Python-itertools 熟练掌握Python标准库中的itertools模块

itertools模块是Python标准库中用于高效迭代操作的工具集合，其设计灵感源自函数式编程语言，强调内存效率和惰性计算。 以下是对其核心功能的分类解析及示例说明：

• 功能：将多个迭代器串联为一个连续迭代器。
• 示例：from itertools import chainfor i in chain([1, 2], ['a', 'b']): print(i, end=' ') # 输出：1 2 a b
• 应用场景：避免合并大列表，节省内存。

• 功能：动态生成可迭代对象并串联（适用于延迟评估）。
• 示例：def gen(): yield [1, 2] yield ['a', 'b']for i in chain.from_iterable(gen()): print(i, end=' ') # 输出：1 2 a b

• zip()：以最短输入为准，组合多个迭代器为元组。
• zip_longest()：以最长输入为准，缺失值填充None（可自定义）。
• 示例：from itertools import zip_longestlist(zip([1, 2], ['a'])) # [(1, 'a')]list(zip_longest([1, 2], ['a'], fillvalue='X')) # [(1, 'a'), (2, 'X')]

• 功能：切片迭代器，支持start/stop/step参数（类似列表切片）。
• 示例：from itertools import islicelist(islice(range(10), 2, 5)) # [2, 3, 4]

• 功能：将单个迭代器分裂为多个独立迭代器（默认2个）。
• 注意：分裂后不应再使用原迭代器，否则数据可能丢失。
• 示例：from itertools import teer = iter([1, 2, 3])a, b = tee(r)list(a), list(b) # ([1, 2, 3], [1, 2, 3])

• 功能：对输入迭代器的每个元素应用函数，返回结果迭代器。
• 示例：list(map(lambda x: x*2, [1, 2])) # [2, 4]

• 功能：类似map()，但将可迭代对象的元素解包为函数参数。
• 示例：from itertools import starmaplist(starmap(pow, [(2,3), (3,2)])) # [8 (2^3), 9 (3^2)]

• 功能：生成无限整数序列（可指定起始值和步长）。
• 示例：from itertools import countfor i in zip(count(10, 2), ['a', 'b']): print(i) # (10, 'a'), (12, 'b')

• 功能：无限循环迭代指定序列。
• 注意：需手动终止，否则内存可能耗尽。
• 示例：from itertools import cyclefor i in zip(range(5), cycle(['a', 'b'])): print(i) # (0, 'a'), (1, 'b'), (2, 'a'), ...

• 功能：重复生成同一值（可选指定次数）。
• 示例：from itertools import repeatlist(repeat(5, 3)) # [5, 5, 5]

• 功能：保留使函数返回False的元素（与filter()相反）。
• 示例：from itertools import filterfalselist(filterfalse(lambda x: x%2==0, [1, 2, 3])) # [1, 3]

• 功能：根据键函数对连续相同元素分组。
• 注意：需先排序或确保相同元素相邻。
• 示例：from itertools import groupbyfor k, g in groupby('AAABBBCC'): print(k, list(g)) # A ['A','A','A'], B ['B','B','B'], ...

• 功能：计算多个迭代器的笛卡尔积（等价于嵌套循环）。
• 示例：from itertools import productlist(product('AB', [1, 2])) # [('A',1), ('A',2), ('B',1), ('B',2)]

• 功能：生成排列（考虑顺序）或组合（不考虑顺序）。
• 示例：from itertools import permutationslist(permutations('ABC', 2)) # [('A','B'), ('A','C'), ('B','A'), ...]

1. 惰性计算：仅在需要时生成数据，节省内存。
2. 组合灵活：通过管道式组合实现复杂迭代逻辑。
3. 性能高效：避免中间列表的创建，适合大数据处理。

通过掌握这些工具，可以显著提升代码的简洁性与执行效率，尤其在处理流式数据或大规模迭代时。