怎么在python中使用迭代器函数

怎么在python中使用迭代器函数？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

首先还是要先import一下：

#import itertools
from itertools import * #最好使用时用上面那个，不过下面的是为了演示比较
  常用的，所以就直接全部导入了

一.无限迭代器：

由于这些都是无限迭代器，因此使用的时候都要设置终止条件，不然会一直运行下去，也就不是我们想要的结果了。

1、count（）

可以设置两个参数，第一个参数为起始点，且包含在内，第二个参数为步长，如果不设置第二个参数则默认步长为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（）

可以设置一个参数，且只接受可以迭代的参数，如列表，元组，字符串。。。，该函数会对可迭代的所有元素进行循环：

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（）

可以设置两个参数，其中第一个参数要求可迭代，第二个参数为重复次数，第二个参数如不设置则无限循环，一般来说使用时都会设置第二个参数，用来满足预期重复次数后终止：

#注意如果不设置第二个参数notebook运行可能会宕机
for x in repeat(['a','b','c'],10):
 print x

二.有限迭代器

1、chain（）

可以接受不定个数个可迭代参数，不要求可迭代参数类型相同，会返回一个列表，这个类似于list的extend，不过不同点是list的extend是对原变量进行改变不返回，而chain则是就地改变并返回：

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（）

第一个参数为可迭代类型，第二个参数为0和1的集合，两者长度可以不等,

这个暂时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()

接受两个参数，第一个参数为一个判断类似于if语句的函数，丢弃满足的项，直到第一个不满足的项出现时停止丢弃，就是

#伪代码大概是这个样子的
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

对给定可迭代集合（有重复元素）进行分组，返回的是一个元组，元组的第一个为分组的元素，第二个为分组的元素集合，还是看代码吧：

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（）

这个有点像是filter函数了，不过有点不同，filter返回的是一个完成后的列表，而ifilter则是一个生成器，使用的yield

#这样写只是为了更清楚看到输出，其实这么写就跟filter用法一样了，体现不到ifilter的优越之处了
list(ifilter(lambda x:x%2,range(10)))

6.ifilterfalse（）

这个跟ifilter用法很像，只是两个是相反数的关系。

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

7.islice()

接受三个参数，可迭代参数，起始切片点，结束切片点，最少给定两个参数，当只有两个参数为默认第二个参数为结束切片点：

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()

接受参数个数跟目标函数有关：

#接受两个参数时
list(imap(abs,range(-5,5)))

#接受三个参数时
list(imap(pow,range(-5,5),range(10)))

#接受四个参数时
list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10)))

9.starmap（）

这个是imap的变异，即只接受两个参数，目标函数会作用在第二个参数集合中、

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

10.tee()

接受两个参数，第一个参数为可迭代类型，第二个为int，如果第二个不指定则默认为2，即重复两次，有点像是生成器repeat的生成器类型，

这个就有意思了，是双重生成器输出：

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

11.takewhile()

这个有点跟dropwhile()很是想象，一个是丢弃，一个是拿取：

伪代码为：

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（）

这个跟imap一样，只不过imap是针对map的生成器类型，而izip是针对zip的：

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

13.izip_longest

针对izip只截取最短的，这个是截取最长的，以None来填充空位：

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

三、组合迭代器

1.product（）

这个有点像是多次使用for循环，两者可以替代。

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

#本质上是这种的生成器模式
L = []
for x in range(10):
 for y in range(10):
 L.append((x,y))

2.permutations()

接受两个参数,第二个参数不设置时输出的没看出来是什么鬼，

第二个参数用来控制生成的元组的元素个数，而输出的元组中最后一个元素是打乱次序的，暂时也不知道可以用在哪

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

3.combinations()

用来排列组合，抽样不放回，第二个参数为参与排列组合的个数

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()

与上一个的用法不同的是抽样是放回的

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有哪些常用库

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

看完上述内容，你们掌握怎么在python中使用迭代器函数的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！