怎么在python中使用迭代器函數

怎么在python中使用迭代器函數？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

首先還是要先import一下：

#import itertools
from itertools import * #最好使用時用上面那個，不過下面的是為了演示比較
  常用的，所以就直接全部導入了

一.無限迭代器：

由于這些都是無限迭代器，因此使用的時候都要設置終止條件，不然會一直運行下去，也就不是我們想要的結果了。

1、count（）

可以設置兩個參數，第一個參數為起始點，且包含在內，第二個參數為步長，如果不設置第二個參數則默認步長為1

for x in count(10,20):
 if x < 200:
 print x

def count(start=0, step=1):
 # count(10) --> 10 11 12 13 14 ...
 # count(2.5, 0.5) -> 2.5 3.0 3.5 ...
 n = start
 while True:
 yield n
 n += step

2、cycle（）

可以設置一個參數，且只接受可以迭代的參數，如列表，元組，字符串。。。，該函數會對可迭代的所有元素進行循環：

for i,x in enumerate(cycle('abcd')):
 if i < 5:
 print x

def cycle(iterable):
 # cycle('ABCD') --> A B C D A B C D A B C D ...
 saved = []
 for element in iterable:
 yield element
 saved.append(element)
 while saved:
 for element in saved:
  yield element

3、repeat（）

可以設置兩個參數，其中第一個參數要求可迭代，第二個參數為重復次數，第二個參數如不設置則無限循環，一般來說使用時都會設置第二個參數，用來滿足預期重復次數后終止：

#注意如果不設置第二個參數notebook運行可能會宕機
for x in repeat(['a','b','c'],10):
 print x

二.有限迭代器

1、chain（）

可以接受不定個數個可迭代參數，不要求可迭代參數類型相同，會返回一個列表，這個類似于list的extend，不過不同點是list的extend是對原變量進行改變不返回，而chain則是就地改變并返回：

list(chain(range(4),range(5)))

list(chain(range(4),'abc'))

list(chain(('a','b','c'),'nihao',['shijie','zhongguo']))

def chain(*iterables):
 # chain('ABC', 'DEF') --> A B C D E F
 for it in iterables:
 for element in it:
  yield element

2.compress（）

第一個參數為可迭代類型，第二個參數為0和1的集合，兩者長度可以不等,

這個暫時不知道可以用在哪里、

list(compress(['a','b','c','d','e'],[0,1,1,1,0,1]))

def compress(data, selectors):
 # compress('ABCDEF', [1,0,1,0,1,1]) --> A C E F
 return (d for d, s in izip(data, selectors) if s)

3.dropwhile()

接受兩個參數，第一個參數為一個判斷類似于if語句的函數，丟棄滿足的項，直到第一個不滿足的項出現時停止丟棄，就是

#偽代碼大概是這個樣子的
if condition：
 drop element
 while not condition：
 stop drop

list(dropwhile(lambda x:x>5,range(10,0,-1)))

def dropwhile(predicate, iterable):
 # dropwhile(lambda x: x<5, [1,4,6,4,1]) --> 6 4 1
 iterable = iter(iterable)
 for x in iterable:
 if not predicate(x):
  yield x
  break
 for x in iterable:
 yield x

4.groupby

對給定可迭代集合（有重復元素）進行分組，返回的是一個元組，元組的第一個為分組的元素，第二個為分組的元素集合，還是看代碼吧：

for x,y in groupby(['a','a','b','b','b','b','c','d','e','e']):
 print x
 print list(y)
 print ''

out:
 a
 ['a', 'a']

 b
 ['b', 'b', 'b', 'b']

 c
 ['c']

 d
 ['d']

 e
 ['e', 'e']

class groupby(object):
 # [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B
 # [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D
 def __init__(self, iterable, key=None):
 if key is None:
  key = lambda x: x
 self.keyfunc = key
 self.it = iter(iterable)
 self.tgtkey = self.currkey = self.currvalue = object()
 def __iter__(self):
 return self
 def next(self):
 while self.currkey == self.tgtkey:
  self.currvalue = next(self.it) # Exit on StopIteration
  self.currkey = self.keyfunc(self.currvalue)
 self.tgtkey = self.currkey
 return (self.currkey, self._grouper(self.tgtkey))
 def _grouper(self, tgtkey):
 while self.currkey == tgtkey:
  yield self.currvalue
  self.currvalue = next(self.it) # Exit on StopIteration
  self.currkey = self.keyfunc(self.currvalue)

5.ifilter（）

這個有點像是filter函數了，不過有點不同，filter返回的是一個完成后的列表，而ifilter則是一個生成器，使用的yield

#這樣寫只是為了更清楚看到輸出，其實這么寫就跟filter用法一樣了，體現不到ifilter的優越之處了
list(ifilter(lambda x:x%2,range(10)))

6.ifilterfalse（）

這個跟ifilter用法很像，只是兩個是相反數的關系。

list(ifilterfalse(lambda x:x%2,range(10)))

7.islice()

接受三個參數，可迭代參數，起始切片點，結束切片點，最少給定兩個參數，當只有兩個參數為默認第二個參數為結束切片點：

In: list(islice(range(10),2,None))
Out： [2, 3, 4, 5, 6, 7, 8, 9]

In: list(islice(range(10),2))
Out: [0, 1]

8.imap()

接受參數個數跟目標函數有關：

#接受兩個參數時
list(imap(abs,range(-5,5)))

#接受三個參數時
list(imap(pow,range(-5,5),range(10)))

#接受四個參數時
list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10)))

9.starmap（）

這個是imap的變異，即只接受兩個參數，目標函數會作用在第二個參數集合中、

in： list(starmap(pow,[(1,2),(2,3)]))
out： [1, 8]

10.tee()

接受兩個參數，第一個參數為可迭代類型，第二個為int，如果第二個不指定則默認為2，即重復兩次，有點像是生成器repeat的生成器類型，

這個就有意思了，是雙重生成器輸出：

for x in list(tee('abcde',3)):
 print list(x)

11.takewhile()

這個有點跟dropwhile()很是想象，一個是丟棄，一個是拿取：

偽代碼為：

if condition：
 take this element
 while not condition：
 stop take

eg：

in： list(takewhile(lambda x:x<10,(1,9,10,11,8)))
out： [1, 9]

12.izip（）

這個跟imap一樣，只不過imap是針對map的生成器類型，而izip是針對zip的：

list(izip('ab','cd'))

13.izip_longest

針對izip只截取最短的，這個是截取最長的，以None來填充空位：

list(izip_longest('a','abcd'))

三、組合迭代器

1.product（）

這個有點像是多次使用for循環，兩者可以替代。

list(product(range(10),range(10)))

#本質上是這種的生成器模式
L = []
for x in range(10):
 for y in range(10):
 L.append((x,y))

2.permutations()

接受兩個參數,第二個參數不設置時輸出的沒看出來是什么鬼，

第二個參數用來控制生成的元組的元素個數，而輸出的元組中最后一個元素是打亂次序的，暫時也不知道可以用在哪

list(permutations(range(10),2))

3.combinations()

用來排列組合，抽樣不放回，第二個參數為參與排列組合的個數

list(combinations('abc',2))

def combinations(iterable, r):
 # combinations('ABCD', 2) --> AB AC AD BC BD CD
 # combinations(range(4), 3) --> 012 013 023 123
 pool = tuple(iterable)
 n = len(pool)
 if r > n:
 return
 indices = range(r)
 yield tuple(pool[i] for i in indices)
 while True:
 for i in reversed(range(r)):
  if indices[i] != i + n - r:
  break
 else:
  return
 indices[i] += 1
 for j in range(i+1, r):
  indices[j] = indices[j-1] + 1
 yield tuple(pool[i] for i in indices)

def combinations(iterable, r):
 pool = tuple(iterable)
 n = len(pool)
 for indices in permutations(range(n), r):
 if sorted(indices) == list(indices):
  yield tuple(pool[i] for i in indices)

4.combinations_with_replacement()

與上一個的用法不同的是抽樣是放回的

def combinations_with_replacement(iterable, r):
 # combinations_with_replacement('ABC', 2) --> AA AB AC BB BC CC
 pool = tuple(iterable)
 n = len(pool)
 if not n and r:
 return
 indices = [0] * r
 yield tuple(pool[i] for i in indices)
 while True:
 for i in reversed(range(r)):
  if indices[i] != n - 1:
  break
 else:
  return
 indices[i:] = [indices[i] + 1] * (r - i)
 yield tuple(pool[i] for i in indices)

def combinations_with_replacement(iterable, r):
 pool = tuple(iterable)
 n = len(pool)
 for indices in product(range(n), repeat=r):
 if sorted(indices) == list(indices):
  yield tuple(pool[i] for i in indices)

python有哪些常用庫

python常用的庫：1.requesuts；2.scrapy；3.pillow；4.twisted；5.numpy；6.matplotlib；7.pygama；8.ipyhton等。

看完上述內容，你們掌握怎么在python中使用迭代器函數的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！