0、前言
说到处理循环，我们习惯使用for, while等，比如依次打印每个列表中的字符：
lis = ['I', 'love', 'python'] for i in lis: print(i) I love |
在打印内容字节数较小时，全部载入内存后，再打印，没有问题。可是，如果现在有成千上百万条车辆行驶轨迹，叫你分析出其中每个客户的出行规律，堵车情况等，假如是在单机上处理这件事。
你可能首先要面临，也可能被你忽视，最后代码都写好后，才可能暴露出的一个问题:outofmemory, 这在实际项目中经常遇到。
这个问题提醒我们，处理数据时，如何写出高效利用内存的程序，就显得很重要。今天，我们就来探讨如何高效利用内存，节省内存同时还能把事情办好。
其实，Python已经准备好一个模块专门用来处理这件事，它就是 itertools 模块，这里面几个函数的功能其实很好理解。
我不打算笼统的介绍它们所能实现的功能，而是想分析这些功能背后的实现代码，它们如何做到高效节省内存的，Python内核的贡献者们又是如何写出一手漂亮的代码的，这很有趣，不是吗？
OK，let's go. Hope you enjoy the journey!
1、拼接元素
itertools 中的chain 函数实现元素拼接，原型如下，参数*表示个数可变的参数
| chain(iterables) |
应用如下：
In [33]: list(chain(['I','love'],['python'],['very', 'much'])) Out[33]: ['I', 'love', 'python', 'very', 'much'] |
哇，不能再好用了，它有点join的味道，但是比join强，它的重点在于参数都是可迭代的实例。
那么，chain如何实现高效节省内存的呢？chain大概的实现代码如下：
def chain(*iterables): for it in iterables: for element in it: yield element |
以上代码不难理解，chain本质返回一个生成器，所以它实际上是一次读入一个元素到内存，所以做到最高效地节省内存。
2、逐个累积
返回列表的累积汇总值，原型：
| accumulate(iterable[, func, *, initial=None]) |
应用如下：
In [36]: list(accumulate([1,2,3,4,5,6],lambda x,y: x*y)) Out[36]: [1, 2, 6, 24, 120, 720] |
accumulate大概的实现代码如下：
def accumulate(iterable, func=operator.add, *, initial=None): it = iter(iterable) total = initial if initial is None: try: total = next(it) except StopIteration: return yield total for element in it: total = func(total, element) yield total |
以上代码，你还好吗？与chain简单的yield不同，此处稍微复杂一点，yield有点像return，所以 yield total那行直接就返回一个元素，也就是iterable的第一个元素，因为任何时候这个函数返回的第一个元素就是它的第一个。又因为yield返回的是一个generator对象，比如名字gen，所以next(gen)时，代码将会执行到 for element in it:这行，而此时的迭代器it 已经指到iterable的第二个元素，OK，相信你懂了！
3、漏斗筛选
它是compress 函数，功能类似于漏斗功能，所以我称它为漏斗筛选，原型：
compress(data, selectors) In [38]: list(compress('abcdefg',[1,1,0,1])) Out[38]: ['a', 'b', 'd'] |
容易看出，compress返回的元素个数等于两个参数中较短的列表长度。
它的大概实现代码：
def compress(data, selectors): return (d for d, s in zip(data, selectors) if s) |
这个函数非常好用
4、段位筛选
扫描列表，不满足条件处开始往后保留，原型如下：
| dropwhile(predicate, iterable) |
应用例子：
In [39]: list(dropwhile(lambda x: x<3,[1,0,2,4,1,1,3,5,-5])) Out[39]: [4, 1, 1, 3, 5, -5] |
实现它的大概代码如下：
def dropwhile(predicate, iterable): iteriterable = iter(iterable) for x in iterable: if not predicate(x): yield x break for x in iterable: yield x |
5、段位筛选2
扫描列表，只要满足条件就从可迭代对象中返回元素，直到不满足条件为止，原型如下：
| takewhile(predicate, iterable) |
应用例子：
In [43]: list(takewhile(lambda x: x<5, [1,4,6,4,1])) Out[43]: [1, 4] |
实现它的大概代码如下：
def takewhile(predicate, iterable): for x in iterable: if predicate(x): yield x else: break #立即返回 |
6、次品筛选
扫描列表，只要不满足条件都保留，原型如下：
| dropwhile(predicate, iterable) |
应用例子：
In [40]: list(filterfalse(lambda x: x%2==0, [1,2,3,4,5,6])) Out[40]: [1, 3, 5] |
实现它的大概代码如下：
def dropwhile(predicate, iterable): iteriterable = iter(iterable) for x in iterable: if not predicate(x): yield x break for x in iterable: yield x |
7、切片筛选
Python中的普通切片操作，比如：
lis = [1,3,2,1] lis[:1] |
它们的缺陷还是lis 必须全部载入内存，所以更节省内存的操作islice，原型如下：
| islice(iterable, start, stop[, step]) |
应用例子：
In [41]: list(islice('abcdefg',1,4,2)) Out[41]: ['b', 'd'] |
实现它的大概代码如下：
def islice(iterable, *args): s = slice(*args) start, stop, sstep = s.start or 0, s.stop or sys.maxsize, s.step or 1 it = iter(range(start, stop, step)) try: nextnexti = next(it) except StopIteration: for i, element in zip(range(start), iterable): pass return try: for i, element in enumerate(iterable): if i == nexti: yield element nextnexti = next(it) except StopIteration: for i, element in zip(range(i + 1, stop), iterable): pass |
巧妙利用生成器迭代结束时会抛出异常StopIteration，做一些边界处理的事情。
8、细胞分裂
tee函数类似于我们熟知的细胞分裂，它能复制原迭代器n个，原型如下：
| tee(iterable, n=2) |
应用如下，可以看出复制出的两个迭代器是独立的
a = tee([1,4,6,4,1],2) In [51]: next(a[0]) Out[51]: 1 In [52]: next(a[1]) Out[52]: 1 |
实现它的代码大概如下：
def tee(iterable, n=2): it = iter(iterable) deques = [collections.deque() for i in range(n)] def gen(mydeque): while True: if not mydeque: try: newval = next(it) except StopIteration: return for d in deques: d.append(newval) yield mydeque.popleft() return tuple(gen(d) for d in deques) |
tee 实现内部使用一个队列类型deques，起初生成空队列，向复制出来的每个队列中添加元素newval, 同时yield 当前被调用的mydeque中的最左元素。
9、map变体
starmap可以看做是map的变体，它能更加节省内存，同时iterable的元素必须也为可迭代对象，原型如下：
| starmap(function, iterable) |
应用它：
In [63]: list(starmap(lambda x,y: str(x)+'-'+str(y), [('a',1),('b',2),('c',3)])) Out[63]: ['a-1', 'b-2', 'c-3'] |
starmap的实现细节如下：
def starmap(function, iterable): for args in iterable: yield function(*args) |
10、复制元素
repeat实现复制元素n次，原型如下：
| repeat(object[, times]) |
应用如下：
In [66]: list(repeat(6,3)) Out[66]: [6, 6, 6] In [67]: list(repeat([1,2,3],2)) Out[67]: [[1, 2, 3], [1, 2, 3]] |
它的实现细节大概如下：
def repeat(object, times=None): if times is None:# 如果times不设置，将一直repeat下去 while True: yield object else: for i in range(times): yield object |
11、笛卡尔积
笛卡尔积实现的效果同下：
| ((x,y) for x in A for y in B) |
所以，笛卡尔积的实现效果如下：
In [68]: list(product('ABCD', 'xy')) Out[68]: [('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y'), ('C', 'x'), ('C', 'y'), ('D', 'x'), ('D', 'y')] |
它的实现细节：
def product(*args, repeat=1): 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) |
12、加强版zip
组合值。若可迭代对象的长度未对齐，将根据 fillvalue 填充缺失值，注意：迭代持续到耗光最长的可迭代对象，效果如下：
In [69]: list(zip_longest('ABCD', 'xy', fillvalue='-')) Out[69]: [('A', 'x'), ('B', 'y'), ('C', '-'), ('D', '-')] |
它的实现细节：
def zip_longest(*args, fillvalue=None): 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) |
它里面使用repeat，也就是在可迭代对象的长度未对齐时，根据 fillvalue 填充缺失值。理解上面代码的关键是迭代器对象(iter)，next方法的特殊性：I
n [74]: for i, it in enumerate([iter([1,2,3]),iter(['x','y'])]): ...: print(next(it)) #输出： 1 x |
结合这个提示再理解上面代码，就不会吃力。
总结
Python的itertools模块提供的节省内存的高效迭代器，里面实现基本都借助于生成器，所以一方面了解这12个函数所实现的基本功能，同时也能加深对生成器(generator)的理解，为我们写出更加高效、简洁、漂亮的代码打下坚实基础。
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理。
