You are here:  Home » Python » itertools – 为高效循环创建迭代器的函数详解(1)Python语言的功能编程模块(必读进阶学习教程)(参考资料)

该模块实现了许多迭代器构建块,其灵感来自 APL、Haskell 和 SML 的构造。 每一个都以适合 Python 的形式重铸。

该模块标准化了一组核心的快速、内存高效的工具,这些工具可以单独使用或组合使用。 它们一起形成了一个“迭代器代数”,使得在纯 Python 中简洁高效地构建专用工具成为可能。

例如,SML 提供了一个制表工具:tabulate(f),它产生一个序列 f(0), f(1), …. 在 Python 中可以通过组合 map() 和 count() 来实现相同的效果 映射( f, count()) 。

这些工具及其内置的对应工具也可以很好地与操作员模块中的高速功能配合使用。 例如,乘法运算符可以映射到两个向量之间以形成有效的点积:sum(map(operator.mul, vector1, vector2))。

无限迭代器

迭代器 参数 结果
count() 开始,[步骤] 开始,开始+步骤,开始+ 2 *步骤,… count(10) --> 10 11 12 13 14...
cycle() p p0,p1,… plast,p0,p1,… cycle('ABCD') --> A B C D A B CD ...
repeat() elem [,n] elem,elem,elem,…无休止地或多达n次 repeat(10, 3) --> 10 10 10

迭代器终止于最短的输入序列:

迭代器 参数 结果
accumulate() p [,func] p0,p0 + p1,p0 + p1 + p2,… accumulate([1,2,3,4,5]) --> 1 3 610 15
chain() p,q,… p0,p1,… plast,q0,q1,… chain('ABC', 'DEF') --> A B C D EF
chain.from_iterable() 迭代 p0,p1,… plast,q0,q1,… chain.from_iterable(['ABC','DEF']) --> A B C D E F
compress() 数据,选择器 (d [0]如果s [0]),(d [1]如果s [1]),…… compress('ABCDEF', [1,0,1,0,1,1])--> A C E F
dropwhile() pred,seq seq [n],seq [n + 1],当pred失败时开始 dropwhile(lambda x: x<5,[1,4,6,4,1]) --> 6 4 1
filterfalse() pred,seq seq的元素,其中pred(elem)是假的 filterfalse(lambda x: x%2,range(10)) --> 0 2 4 6 8
groupby() 可迭代的[,关键] 按键值(v)分组的子迭代器
islice() seq,[start,] stop [,step] 来自seq [start:stop:step]的元素 islice('ABCDEFG', 2, None) --> CD E F G
starmap() func,seq func(* seq [0]),func(* seq [1]),… starmap(pow, [(2,5), (3,2),(10,3)]) --> 32 9 1000
takewhile() pred,seq seq [0],seq [1],直到pred失败 takewhile(lambda x: x<5,[1,4,6,4,1]) --> 1 4
tee() 它,n it1,it2,… itn将一个迭代器拆分为n
zip_longest() p,q,… (p [0],q [0]),(p [1],q [1]),… zip_longest('ABCD', 'xy',fillvalue='-') --> Ax By C- D-

组合迭代器:

迭代器 参数 结果
product() p,q,… [repeat = 1] 笛卡尔积,相当于嵌套的for循环
permutations() p [,r] r长度元组,所有可能的排序,没有重复的元素
combinations() p,r r长度元组,按排序顺序,没有重复元素
combinations_with_replacement() p,r r-长度元组,按排序顺序,具有重复元素
product('ABCD', repeat=2) AA AB AC AD BA BB BC BD CA CB CC CD DA DB DCDD
permutations('ABCD', 2) AB AC AD BA BC BD CA CB CD DA DB DC
combinations('ABCD', 2) AB AC AD BC BD CD
combinations_with_replacement('ABCD',2) AA AB AC AD BB BC BD CC CD DD

 

Itertool功能

以下模块函数所有构造和返回迭代器。 有些提供无限长度的流,因此它们只能由截断流的函数或循环访问。

itertools.accumulate(iterable[func])
创建一个迭代器,返回累加和,或其他二元函数的累加结果(通过可选的 func 参数指定)。 如果提供了 func,它应该是两个参数的函数。 输入 iterable 的元素可以是任何可以接受为 func 参数的类型。 (例如,对于加法的默认操作,元素可以是任何可加类型,包括 Decimal 或 Fraction。)如果输入 iterable 为空,则输出 iterable 也将为空。

大致相当于:

def accumulate(iterable, func=operator.add):
    'Return running totals'
    # accumulate([1,2,3,4,5]) --> 1 3 6 10 15
    # accumulate([1,2,3,4,5], operator.mul) --> 1 2 6 24 120
    it = iter(iterable)
    try:
        total = next(it)
    except StopIteration:
        return
    yield total
    for element in it:
        total = func(total, element)
        yield total

func 参数有多种用途。 它可以设置为 min() 用于运行最小值,max() 用于运行最大值,或 operator.mul() 用于运行产品。 摊销表可以通过累积利息和应用付款来建立。 一阶递归关系可以通过在 iterable 中提供初始值并仅使用 func 参数中的累计总数来建模:

>>>
>>> data = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]
>>> list(accumulate(data, operator.mul))     # running product
[3, 12, 72, 144, 144, 1296, 0, 0, 0, 0]
>>> list(accumulate(data, max))              # running maximum
[3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

# Amortize a 5% loan of 1000 with 4 annual payments of 90
>>> cashflows = [1000, -90, -90, -90, -90]
>>> list(accumulate(cashflows, lambda bal, pmt: bal*1.05 + pmt))
[1000, 960.0, 918.0, 873.9000000000001, 827.5950000000001]

# Chaotic recurrence relation https://en.wikipedia.org/wiki/Logistic_map
>>> logistic_map = lambda x, _:  r * x * (1 - x)
>>> r = 3.8
>>> x0 = 0.4
>>> inputs = repeat(x0, 36)     # only the initial value is used
>>> [format(x, '.2f') for x in accumulate(inputs, logistic_map)]
['0.40', '0.91', '0.30', '0.81', '0.60', '0.92', '0.29', '0.79', '0.63',
 '0.88', '0.39', '0.90', '0.33', '0.84', '0.52', '0.95', '0.18', '0.57',
 '0.93', '0.25', '0.71', '0.79', '0.63', '0.88', '0.39', '0.91', '0.32',
 '0.83', '0.54', '0.95', '0.20', '0.60', '0.91', '0.30', '0.80', '0.60']

有关仅返回最终累加值的类似函数,请参见 functools.reduce()。

3.2 版中的新功能。

在 3.3 版更改:添加了可选的 func 参数。

itertools.chain(*iterables)
创建一个迭代器,返回第一个可迭代对象的元素,直到用尽,然后继续下一个可迭代对象,直到所有可迭代对象都用完。 用于将连续序列视为单个序列。 大致相当于:

def chain(*iterables):
    # chain('ABC', 'DEF') --> A B C D E F
    for it in iterables:
        for element in it:
            yield element
classmethod chain.from_iterable(iterable)
chain() 的备用构造函数。 从延迟评估的单个可迭代参数获取链接输入。 大致相当于:

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

 

itertools.combinations(iterabler)
从输入的可迭代对象中返回元素的 r 个长度子序列。

组合按字典排序顺序发出。 因此,如果输入的可迭代对象已排序,组合元组将按排序顺序生成。

元素根据它们的位置而不是它们的值被视为唯一的。 因此,如果输入元素是唯一的,则每个组合中不会有重复值。

大致相当于:

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 = list(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)

combinations() 的代码也可以表示为 permutations() 在过滤元素未按排序顺序(根据它们在输入池中的位置)的条目之后的子序列:

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)

返回的项目数为 n! /r! /(n-r)! 当 0 <= r <= n 或当 r > n 时为零。

itertools.combinations_with_replacement(iterabler)
从输入 iterable 返回元素的 r 个长度子序列,允许单个元素重复多次。

组合按字典排序顺序发出。 因此,如果输入的可迭代对象已排序,组合元组将按排序顺序生成。

元素根据它们的位置而不是它们的值被视为唯一的。 因此,如果输入元素是唯一的,则生成的组合也将是唯一的。

大致相当于:

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)

combinations_with_replacement() 的代码也可以表示为 product() 在过滤元素未按排序顺序(根据它们在输入池中的位置)的条目之后的子序列:

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)

返回的物品数量为(n+r-1)! /r! / (n-1)! 当 n > 0 时。

3.1 版中的新功能。

itertools.compress(dataselectors)
创建一个迭代器,过滤数据中的元素,仅返回那些在选择器中具有对应元素且计算结果为 True 的元素。 当数据或选择器迭代耗尽时停止。 大致相当于:

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

 

3.1版中的新功能。

itertools.count(start=0step=1)
创建一个迭代器,返回以数字开头的均匀间隔的值。 通常用作 map() 的参数以生成连续的数据点。 此外,与 zip() 一起使用以添加序列号。 大致相当于:

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

当用浮点数计数时,有时可以通过替换乘法代码来获得更好的准确性,例如:(start + step * i for i in count())。

在 3.1 版更改: 添加了 step 参数并允许非整数参数。

itertools.cycle(iterable)
制作一个迭代器,从可迭代对象中返回元素并保存每个元素的副本。 当 iterable 耗尽时,从保存的副本中返回元素。 无限期地重复。 大致相当于:

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

请注意,工具包的这个成员可能需要大量辅助存储(取决于可迭代对象的长度)。

itertools.dropwhile(predicateiterable)
制作一个迭代器,只要谓词为真,它就会从可迭代对象中删除元素; 之后,返回每个元素。 请注意,迭代器在谓词首次变为假之前不会产生任何输出,因此它的启动时间可能很长。 大致相当于:

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
itertools.filterfalse(predicateiterable)
创建一个迭代器,从 iterable 中过滤元素,只返回谓词为 False 的元素。 如果 predicate 为 None,则返回为假的项。 大致相当于:

def filterfalse(predicate, iterable):
    # filterfalse(lambda x: x%2, range(10)) --> 0 2 4 6 8
    if predicate is None:
        predicate = bool
    for x in iterable:
        if not predicate(x):
            yield x
itertools.groupby(iterablekey=None)
创建一个迭代器,从可迭代对象中返回连续的键和组。 键是计算每个元素的键值的函数。 如果未指定或为 None,则 key 默认为身份函数并返回未更改的元素。 通常,可迭代对象需要已经根据相同的键函数进行排序。

groupby() 的操作类似于 Unix 中的 uniq 过滤器。 每次键函数的值发生变化时,它都会生成一个中断或新组(这就是为什么通常需要使用相同的键函数对数据进行排序的原因)。 这种行为与 SQL 的 GROUP BY 不同,它聚合公共元素而不考虑它们的输入顺序。

返回的组本身是一个迭代器,它与 groupby() 共享底层可迭代对象。 因为是共享源的,所以当groupby()对象被advance时,之前的group已经不可见了。 因此,如果以后需要该数据,则应将其存储为列表:

groups = []
uniquekeys = []
data = sorted(data, key=keyfunc)
for k, g in groupby(data, keyfunc):
    groups.append(list(g))      # Store group iterator as a list
    uniquekeys.append(k)

groupby() 大致相当于:

class groupby:
    # [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):
        self.id = object()
        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, self.id))
    def _grouper(self, tgtkey, id):
        while self.id is id and self.currkey == tgtkey:
            yield self.currvalue
            try:
                self.currvalue = next(self.it)
            except StopIteration:
                return
            self.currkey = self.keyfunc(self.currvalue)
itertools.islice(iterablestop)
itertools.islice(iterablestartstop[step])
创建一个迭代器,返回从可迭代对象中选择的元素。 如果 start 不为零,则跳过 iterable 中的元素,直到到达 start。 之后,元素将连续返回,除非 step 设置为高于 1 导致项目被跳过。 如果 stop 为 None,则迭代将继续,直到迭代器耗尽(如果耗尽); 否则,它会停在指定的位置。 与常规切片不同,islice() 不支持 start、stop 或 step 的负值。 可用于从内部结构已展平的数据中提取相关字段(例如,多行报告可能每三行列出一个名称字段)。 大致相当于:

def islice(iterable, *args):
    # islice('ABCDEFG', 2) --> A B
    # islice('ABCDEFG', 2, 4) --> C D
    # islice('ABCDEFG', 2, None) --> C D E F G
    # islice('ABCDEFG', 0, None, 2) --> A C E G
    s = slice(*args)
    start, stop, step = s.start or 0, s.stop or sys.maxsize, s.step or 1
    it = iter(range(start, stop, step))
    try:
        nexti = next(it)
    except StopIteration:
        # Consume *iterable* up to the *start* position.
        for i, element in zip(range(start), iterable):
            pass
        return
    try:
        for i, element in enumerate(iterable):
            if i == nexti:
                yield element
                nexti = next(it)
    except StopIteration:
        # Consume to *stop*.
        for i, element in zip(range(i + 1, stop), iterable):
            pass

如果 start 为 None,则迭代从零开始。 如果步骤为无,则步骤默认为一个。

itertools.permutations(iterabler=None)
返回 iterable 中元素的连续 r 长度排列。

如果 r 未指定或为 None,则 r 默认为可迭代的长度,并生成所有可能的全长排列。

排列以字典排序顺序发出。 因此,如果输入的可迭代对象已排序,则置换元组将按排序顺序生成。

元素根据它们的位置而不是它们的值被视为唯一的。 因此,如果输入元素是唯一的,则每个排列中都不会有重复值。

大致相当于:

def permutations(iterable, r=None):
    # permutations('ABCD', 2) --> AB AC AD BA BC BD CA CB CD DA DB DC
    # permutations(range(3)) --> 012 021 102 120 201 210
    pool = tuple(iterable)
    n = len(pool)
    r = n if r is None else r
    if r > n:
        return
    indices = list(range(n))
    cycles = list(range(n, n-r, -1))
    yield tuple(pool[i] for i in indices[:r])
    while n:
        for i in reversed(range(r)):
            cycles[i] -= 1
            if cycles[i] == 0:
                indices[i:] = indices[i+1:] + indices[i:i+1]
                cycles[i] = n - i
            else:
                j = cycles[i]
                indices[i], indices[-j] = indices[-j], indices[i]
                yield tuple(pool[i] for i in indices[:r])
                break
        else:
            return

permutations() 的代码也可以表示为 product() 的子序列,过滤以排除具有重复元素的条目(来自输入池中相同位置的条目):

def permutations(iterable, r=None):
    pool = tuple(iterable)
    n = len(pool)
    r = n if r is None else r
    for indices in product(range(n), repeat=r):
        if len(set(indices)) == r:
            yield tuple(pool[i] for i in indices)

返回的项目数为 n! /(n-r)! 当 0 <= r <= n 或当 r > n 时为零。

itertools.product(*iterablesrepeat=1)
输入迭代的笛卡尔积。

大致相当于生成器表达式中的嵌套 for 循环。 例如,product(A, B) 返回与 ((x,y) for x in A for y in B) 相同的结果。

嵌套循环像里程表一样循环,每次迭代时最右边的元素都会前进。 此模式创建字典顺序,以便如果输入的可迭代对象已排序,则产品元组将按排序顺序发出。

要计算可迭代对象与其自身的乘积,请使用可选的 repeat 关键字参数指定重复次数。 例如,product(A, repeat=4) 与 product(A, A, A, A) 的含义相同。

这个函数大致等同于下面的代码,除了实际的实现不会在内存中建立中间结果:

def product(*args, repeat=1):
    # product('ABCD', 'xy') --> Ax Ay Bx By Cx Cy Dx Dy
    # product(range(2), repeat=3) --> 000 001 010 011 100 101 110 111
    pools = [tuple(pool) for pool in args] * repeat
    result = [[]]
    for pool in pools:
        result = [x+[y] for x in result for y in pool]
    for prod in result:
        yield tuple(prod)
itertools.repeat(object[times])
制作一个反复返回对象的迭代器。 除非指定 times 参数,否则无限期运行。 用作被调用函数的不变参数的 map() 的参数。 还与 zip() 一起使用以创建元组记录的不变部分。

大致相当于:

def repeat(object, times=None):
    # repeat(10, 3) --> 10 10 10
    if times is None:
        while True:
            yield object
    else:
        for i in range(times):
            yield object

repeat 的一个常见用途是为 map 或 zip 提供一个常量值流:

>>>
>>> list(map(pow, range(10), repeat(2)))
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
itertools.starmap(functioniterable)
创建一个迭代器,该迭代器使用从可迭代对象中获得的参数来计算函数。 当参数参数已经从单个可迭代的元组中分组(数据已“预压缩”)时,使用而不是 map() 。 map() 和 starmap() 之间的区别类似于 function(a,b) 和 function(*c) 之间的区别。 大致相当于:

def starmap(function, iterable):
    # starmap(pow, [(2,5), (3,2), (10,3)]) --> 32 9 1000
    for args in iterable:
        yield function(*args)
itertools.takewhile(predicateiterable)
创建一个迭代器,只要谓词为真,它就会从可迭代对象中返回元素。 大致相当于:

def takewhile(predicate, iterable):
    # takewhile(lambda x: x<5, [1,4,6,4,1]) --> 1 4
    for x in iterable:
        if predicate(x):
            yield x
        else:
            break
itertools.tee(iterablen=2)
从单个可迭代对象返回 n 个独立的迭代器

以下 Python 代码有助于解释 tee 的作用(尽管实际实现更为复杂并且仅使用单个底层 FIFO 队列)。

大致相当于:

def tee(iterable, n=2):
    it = iter(iterable)
    deques = [collections.deque() for i in range(n)]
    def gen(mydeque):
        while True:
            if not mydeque:             # when the local deque is empty
                try:
                    newval = next(it)   # fetch a new value and
                except StopIteration:
                    return
                for d in deques:        # load it to all the deques
                    d.append(newval)
            yield mydeque.popleft()
    return tuple(gen(d) for d in deques)

一旦 tee() 进行了拆分,则不应在其他任何地方使用原始可迭代对象; 否则,可迭代对象可能会在没有通知 tee 对象的情况下得到推进。

tee 迭代器不是线程安全的。 当同时使用由同一 tee() 调用返回的迭代器时,可能会引发 RuntimeError,即使原始可迭代对象是线程安全的。

这个 itertool 可能需要大量的辅助存储(取决于需要存储多少临时数据)。 通常,如果一个迭代器在另一个迭代器开始之前使用了大部分或全部数据,则使用 list() 而不是 tee() 会更快。

itertools.zip_longest(*iterablesfillvalue=None)
创建一个迭代器,聚合来自每个可迭代对象的元素。 如果可迭代对象的长度不均匀,则缺失值将用 fillvalue 填充。 迭代一直持续到最长的迭代耗尽。 大致相当于:

def zip_longest(*args, fillvalue=None):
    # zip_longest('ABCD', 'xy', fillvalue='-') --> Ax By C- D-
    iterators = [iter(it) for it in args]
    num_active = len(iterators)
    if not num_active:
        return
    while True:
        values = []
        for i, it in enumerate(iterators):
            try:
                value = next(it)
            except StopIteration:
                num_active -= 1
                if not num_active:
                    return
                iterators[i] = repeat(fillvalue)
                value = fillvalue
            values.append(value)
        yield tuple(values)

如果其中一个可迭代对象可能是无限的,那么 zip_longest() 函数应该用限制调用次数的东西包装(例如 islice() 或 takewhile())。 如果未指定,则 fillvalue 默认为 None。

Itertools演示

本节显示使用现有 itertools 作为构建块创建扩展工具集的方法。

扩展工具提供与底层工具集相同的高性能。 卓越的内存性能是通过一次处理一个元素而不是一次将整个可迭代对象全部放入内存来保持的。 通过以有助于消除临时变量的功能样式将工具链接在一起,代码量保持较小。 通过优先使用“矢量化”构建块而不是使用会产生解释器开销的 for 循环和生成器来保持高速。

def take(n, iterable):
    "Return first n items of the iterable as a list"
    return list(islice(iterable, n))

def prepend(value, iterator):
    "Prepend a single value in front of an iterator"
    # prepend(1, [2, 3, 4]) -> 1 2 3 4
    return chain([value], iterator)

def tabulate(function, start=0):
    "Return function(0), function(1), ..."
    return map(function, count(start))

def tail(n, iterable):
    "Return an iterator over the last n items"
    # tail(3, 'ABCDEFG') --> E F G
    return iter(collections.deque(iterable, maxlen=n))

def consume(iterator, n=None):
    "Advance the iterator n-steps ahead. If n is None, consume entirely."
    # Use functions that consume iterators at C speed.
    if n is None:
        # feed the entire iterator into a zero-length deque
        collections.deque(iterator, maxlen=0)
    else:
        # advance to the empty slice starting at position n
        next(islice(iterator, n, n), None)

def nth(iterable, n, default=None):
    "Returns the nth item or a default value"
    return next(islice(iterable, n, None), default)

def all_equal(iterable):
    "Returns True if all the elements are equal to each other"
    g = groupby(iterable)
    return next(g, True) and not next(g, False)

def quantify(iterable, pred=bool):
    "Count how many times the predicate is true"
    return sum(map(pred, iterable))

def padnone(iterable):
    """Returns the sequence elements and then returns None indefinitely.

    Useful for emulating the behavior of the built-in map() function.
    """
    return chain(iterable, repeat(None))

def ncycles(iterable, n):
    "Returns the sequence elements n times"
    return chain.from_iterable(repeat(tuple(iterable), n))

def dotproduct(vec1, vec2):
    return sum(map(operator.mul, vec1, vec2))

def flatten(listOfLists):
    "Flatten one level of nesting"
    return chain.from_iterable(listOfLists)

def repeatfunc(func, times=None, *args):
    """Repeat calls to func with specified arguments.

    Example:  repeatfunc(random.random)
    """
    if times is None:
        return starmap(func, repeat(args))
    return starmap(func, repeat(args, times))

def pairwise(iterable):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = tee(iterable)
    next(b, None)
    return zip(a, b)

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

def roundrobin(*iterables):
    "roundrobin('ABC', 'D', 'EF') --> A D E B F C"
    # Recipe credited to George Sakkis
    num_active = len(iterables)
    nexts = cycle(iter(it).__next__ for it in iterables)
    while num_active:
        try:
            for next in nexts:
                yield next()
        except StopIteration:
            # Remove the iterator we just exhausted from the cycle.
            num_active -= 1
            nexts = cycle(islice(nexts, num_active))

def partition(pred, iterable):
    'Use a predicate to partition entries into false entries and true entries'
    # partition(is_odd, range(10)) --> 0 2 4 6 8   and  1 3 5 7 9
    t1, t2 = tee(iterable)
    return filterfalse(pred, t1), filter(pred, t2)

def powerset(iterable):
    "powerset([1,2,3]) --> () (1,) (2,) (3,) (1,2) (1,3) (2,3) (1,2,3)"
    s = list(iterable)
    return chain.from_iterable(combinations(s, r) for r in range(len(s)+1))

def unique_everseen(iterable, key=None):
    "List unique elements, preserving order. Remember all elements ever seen."
    # unique_everseen('AAAABBBCCDAABBB') --> A B C D
    # unique_everseen('ABBCcAD', str.lower) --> A B C D
    seen = set()
    seen_add = seen.add
    if key is None:
        for element in filterfalse(seen.__contains__, iterable):
            seen_add(element)
            yield element
    else:
        for element in iterable:
            k = key(element)
            if k not in seen:
                seen_add(k)
                yield element

def unique_justseen(iterable, key=None):
    "List unique elements, preserving order. Remember only the element just seen."
    # unique_justseen('AAAABBBCCDAABBB') --> A B C D A B
    # unique_justseen('ABBCcAD', str.lower) --> A B C A D
    return map(next, map(itemgetter(1), groupby(iterable, key)))

def iter_except(func, exception, first=None):
    """ Call a function repeatedly until an exception is raised.

    Converts a call-until-exception interface to an iterator interface.
    Like builtins.iter(func, sentinel) but uses an exception instead
    of a sentinel to end the loop.

    Examples:
        iter_except(functools.partial(heappop, h), IndexError)   # priority queue iterator
        iter_except(d.popitem, KeyError)                         # non-blocking dict iterator
        iter_except(d.popleft, IndexError)                       # non-blocking deque iterator
        iter_except(q.get_nowait, Queue.Empty)                   # loop over a producer Queue
        iter_except(s.pop, KeyError)                             # non-blocking set iterator

    """
    try:
        if first is not None:
            yield first()            # For database APIs needing an initial cast to db.first()
        while True:
            yield func()
    except exception:
        pass

def first_true(iterable, default=False, pred=None):
    """Returns the first true value in the iterable.

    If no true value is found, returns *default*

    If *pred* is not None, returns the first item
    for which pred(item) is true.

    """
    # first_true([a,b,c], x) --> a or b or c or x
    # first_true([a,b], x, f) --> a if f(a) else b if f(b) else x
    return next(filter(pred, iterable), default)

def random_product(*args, repeat=1):
    "Random selection from itertools.product(*args, **kwds)"
    pools = [tuple(pool) for pool in args] * repeat
    return tuple(random.choice(pool) for pool in pools)

def random_permutation(iterable, r=None):
    "Random selection from itertools.permutations(iterable, r)"
    pool = tuple(iterable)
    r = len(pool) if r is None else r
    return tuple(random.sample(pool, r))

def random_combination(iterable, r):
    "Random selection from itertools.combinations(iterable, r)"
    pool = tuple(iterable)
    n = len(pool)
    indices = sorted(random.sample(range(n), r))
    return tuple(pool[i] for i in indices)

def random_combination_with_replacement(iterable, r):
    "Random selection from itertools.combinations_with_replacement(iterable, r)"
    pool = tuple(iterable)
    n = len(pool)
    indices = sorted(random.randrange(n) for i in range(r))
    return tuple(pool[i] for i in indices)

def nth_combination(iterable, r, index):
    'Equivalent to list(combinations(iterable, r))[index]'
    pool = tuple(iterable)
    n = len(pool)
    if r < 0 or r > n:
        raise ValueError
    c = 1
    k = min(r, n-r)
    for i in range(1, k+1):
        c = c * (n - k + i) // i
    if index < 0:
        index += c
    if index < 0 or index >= c:
        raise IndexError
    result = []
    while r:
        c, n, r = c*r//n, n-1, r-1
        while index >= c:
            index -= c
            c, n = c*(n-r)//n, n-1
        result.append(pool[-1-n])
    return tuple(result)

请注意,可以通过将全局查找替换为定义为默认值的局部变量来优化上述许多方法。 例如,点积配方可以写成:

def dotproduct(vec1, vec2, sum=sum, map=map, mul=operator.mul):
    return sum(map(mul, vec1, vec2))