Python使用itertools模块处理各类迭代对象
作者：科雷learning
在Python的标准库中,itertools是一个处理迭代器的强大模块,它提供了一系列高效的函数来操作和组合迭代对象,本文给大家介绍了Python使用itertools模块处理各类迭代对象,需要的朋友可以参考下
引言
在Python的标准库中，itertools是一个处理迭代器的强大模块，它提供了一系列高效的函数来操作和组合迭代对象。合理使用这些工具能让代码更简洁、性能更优，尤其在处理大量数据或复杂迭代逻辑时优势显著。下面详细介绍其核心功能及使用场景。
一、无限迭代器：生成无穷序列
1. count(start=0, step=1)
功能：从start开始，按步长step生成无限递增序列。类似于yield生成器，可通过next函数获取元素。当然也可以通过for循环获取元素，但是要给一个退出机制，否则会无限循环。
案例：生成偶数序列
from itertools import count
# 生成从2开始的偶数序列（2,4,6,...）
even_nums = count(start=2, step=2)
#使用next函数获取元素
print(next(even_nums))
print(next(even_nums))
#for循环
for i in even_nums:
print(i)
if i == 10000000:
break
# 取前5个元素
print(list(next(even_nums) for_ in range(5))) # [2, 4, 6, 8, 10]2.cycle(iterable)
功能：无限循环迭代对象iterable中的元素。
案例：循环交替打印列表内的元素
from itertools import cycle
status = cycle(['running', 'paused', 'stopped'])
# 模拟3次状态切换
for _ in range(30):
print(next(status)) #running,paused,stopped,running...3.repeat(elem, times=None)
功能：重复生成elem，times为重复次数，返回一个迭代器。
案例：初始化列表
from itertools import repeat # 生成5个0组成的列表 zeros = list(repeat(0, 5)) # [0, 0, 0, 0, 0] # 与map结合：计算多个数的平方 squares = list(map(lambda x: x**2, repeat(3, 4))) # [9, 9, 9, 9]
二、迭代器组合工具：高效拼接与分组
1.chain(*iterables)
功能：将多个迭代器连接成一个迭代器。
案例：合并列表，元组，集合，字典为一个迭代器
from itertools import chain
list1 = [1, 2, 'a']
list2 = ('a', 'b')
list3 = {True, False}
list4 = {'a':1, 'v':2}
# 合并为一个迭代器
merged = chain(list1,list2,list3,list4)
print(list(merged))
#输出为：
[1, 2, 'a', 'a', 'b', False, True, 'a', 'v']2.groupby(iterable, key=None)
功能：按key函数分组，返回 (key, group) 元组
案例：按首字母分组单词（使用时按照分组规则先排序）
from itertools import groupby
words = ['apple', 'banana', 'orange', 'avocado', 'berry']
# 务必先使用sorted排序 然后按首字母分组
for key, group in groupby(sorted(words), key=lambda x: x[0]):
print(f"{key}: {list(group)}")
输出：
a: ['apple', 'avocado']
b: ['banana', 'berry']
o: ['orange']
#如果不排序，直接使用groupby函数，会生成重复的key，与预期不符
for key, group in groupby(words, key=lambda x: x[0]):
print(f"{key}: {list(group)}")
输出：
a: ['apple']
b: ['banana']
o: ['orange']
a: ['avocado']
b: ['berry']3.zip_longest(*iterables, fillvalue=None)
功能：类似zip，但以最长迭代器为准，短迭代器用fillvalue填充。
案例：对齐不同长度列表
from itertools import zip_longest
names = ['Alice', 'Bob']
ages = [25, 30, 35]
# 填充None
result = list(zip_longest(names, ages, fillvalue='-'))
print(result) # [('Alice', 25), ('Bob', 30), ('-', 35)]三、排列组合工具：生成序列变体
1.permutations(iterable, r=None)
功能：将迭代对象生成r长度的排列（顺序不同视为不同元素），r为可选，不传值，默认按照所有元素的长度进行组合。
案例：将字符串按照2个元素排列
from itertools import permutations
# 生成'ABC'的2元素排列
perms = permutations('ABC', 2)
print(list(perms))
#输出： [('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'C'), ('C', 'A'), ('C', 'B')]2.combinations(iterable, r)
功能：将迭代对象生成r长度的组合（顺序不同会被视为相同元素）, r 为可选，不传值，默认按照所有元素的长度进行组合。
案例：将字符串按照2个元素排列，生成不重复组合
from itertools import combinations
# 生成'ABC'的2元素组合
combs = combinations('ABC', 2)
print(list(combs)) # [('A', 'B'), ('A', 'C'), ('B', 'C')]3.product(*iterables, repeat=1)
功能：生成笛卡尔积（所有元素的组合）
案例：生成颜色与尺寸组合
from itertools import product
colors = ['red', 'blue']
sizes = ['S', 'M', 'L']
# 生成所有可能的组合
products = product(colors, sizes)
print(list(products))
#输出：
[('red', 'S'), ('red', 'M'), ('red', 'L'),
('blue', 'S'), ('blue', 'M'), ('blue', 'L')]
四、筛选工具：过滤与切片迭代器
1.filterfalse(function, iterable)
功能：保留function返回False的元素。如果不传function，返回iterable为False的元素。
案例：过滤掉所有偶数
fromitertoolsimportfilterfalse numbers=[1,2,3,4,5,6] # 保留奇数 odds=filterfalse(lambdax:x%2==0,numbers) print(list(odds)) #输出： [1, 3, 5]
案例：返回False的元素
from itertools import filterfalse numbers = [1, 2, 3, 4, 5, 0,'',False,True] # 保留奇数 odds = filterfalse(None,numbers) print(list(odds)) #输出：[0, '', False]
2.islice(iterable, start, stop, step=1)
功能：类似列表切片，支持迭代器切片
案例：取迭代器中间元素
from itertools import islice, count # 生成从1开始的无限序列 nums = count(1) # 取第3到第7个并且步长为2的元素，相当于取第3个，第5个，第7个元素（索引从0开始） sliced = islice(nums, 2, 7, 2) print(list(sliced)) # 输出：[3, 5, 7]
3.takewhile(function, iterable)
功能：当function返回True时继续提取元素，否则停止
案例：取小于5的数
fromitertoolsimporttakewhile numbers=[1,3,5,2,4,6] # 取小于5的数 result=takewhile(lambdax:x<5,numbers) print(list(result)) #输出： [1, 3]
五、多工具组合实战
案例：生成不重复的随机排列
from itertools import permutations, islice
import random
# 生成1-10的随机排列
def random_permutation(n):
numbers = list(range(1, n+1))
# 打乱顺序后生成排列
random.shuffle(numbers)
return list(islice(permutations(numbers), 1))[0]
print("随机排列：", random_permutation(5))
#输出 例如: (3, 1, 5, 2, 4)案例：高效统计单词频率
from itertools import groupby
from collections import Counter
text = "apple banana apple orange banana apple"
words = text.split()
# 按单词分组并统计数量
word_groups = groupby(sorted(words))
word_count = {word: len(list(group)) for word, group in word_groups}
print("单词频率：", word_count) # {'apple': 3, 'banana': 2, 'orange': 1}
# 更简洁方式：结合Counter
print("Counter统计：", Counter(words))
#输出：
单词频率： {'apple': 3, 'banana': 2, 'orange': 1}
Counter统计： Counter({'apple': 3, 'banana': 2, 'orange': 1})通过灵活组合itertools中的工具，能大幅提升迭代操作的效率和代码简洁性。建议在处理海量数据、复杂组合逻辑或需要优化内存占用时优先考虑这些工具，避免重复造轮子。
以上就是Python使用itertools模块处理各类迭代对象的详细内容，更多关于Python itertools处理类迭代对象的资料请关注脚本之家其它相关文章！