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

python

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):

iterable = 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):

iterable = 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, 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:

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:

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：In [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。