本篇內容主要講解“怎么高效寫Python循環”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“怎么高效寫Python循環”吧!

創新互聯是一家專注于成都網站設計、成都網站制作與策劃設計,烏海網站建設哪家好?創新互聯做網站,專注于網站建設10多年,網設計領域的專業建站公司;建站業務涵蓋:烏海等地區。烏海做網站價格咨詢:13518219792

0 前言

說到處理循環，我們習慣使用for, while等，比如依次打印每個列表中的字符：

lis = ['I', 'love', 'python']  for i in lis:      print(i)  I  love  python

在打印內容字節數較小時，全部載入內存后，再打印，沒有問題。可是，如果現在有成千上百萬條車輛行駛軌跡，叫你分析出其中每個客戶的出行規律，堵車情況等，假如是在單機上處理這件事。

你可能首先要面臨，也可能被你忽視，最后代碼都寫好后，才可能暴露出的一個問題:outofmemory, 這在實際項目中經常遇到。

這個問題提醒我們，處理數據時，如何寫出高效利用內存的程序，就顯得很重要。今天，我們就來探討如何高效利用內存，節省內存同時還能把事情辦好。

其實，Python已經準備好一個模塊專門用來處理這件事，它就是 itertools 模塊，這里面幾個函數的功能其實很好理解。

我不打算籠統的介紹它們所能實現的功能，而是想分析這些功能背后的實現代碼，它們如何做到高效節省內存的，Python內核的貢獻者們又是如何寫出一手漂亮的代碼的，這很有趣，不是嗎？

OK，let's go. Hope you enjoy the journey!

1 拼接元素

itertools 中的chain 函數實現元素拼接，原型如下，參數*表示個數可變的參數

chain(iterables)

應用如下：

In [33]: list(chain(['I','love'],['python'],['very', 'much']))  Out[33]: ['I', 'love', 'python', 'very', 'much']

哇，不能再好用了，它有點join的味道，但是比join強，它的重點在于參數都是可迭代的實例。

那么，chain如何實現高效節省內存的呢？chain大概的實現代碼如下：

def chain(*iterables):      for it in iterables:          for element in it:              yield element

以上代碼不難理解，chain本質返回一個生成器，所以它實際上是一次讀入一個元素到內存，所以做到最高效地節省內存。

2 逐個累積

返回列表的累積匯總值，原型：

accumulate(iterable[, func, *, initial=None])

應用如下：

In [36]: list(accumulate([1,2,3,4,5,6],lambda x,y: x*y))  Out[36]: [1, 2, 6, 24, 120, 720]

accumulate大概的實現代碼如下：

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

以上代碼，你還好嗎？與chain簡單的yield不同，此處稍微復雜一點，yield有點像return，所以 yield total那行直接就返回一個元素，也就是iterable的第一個元素，因為任何時候這個函數返回的第一個元素就是它的第一個。又因為yield返回的是一個generator對象，比如名字gen，所以next(gen)時，代碼將會執行到 for element in it:這行，而此時的迭代器it 已經指到iterable的第二個元素，OK，相信你懂了！

3 漏斗篩選

它是compress 函數，功能類似于漏斗功能，所以我稱它為漏斗篩選，原型：

compress(data, selectors)

In [38]: list(compress('abcdefg',[1,1,0,1]))  Out[38]: ['a', 'b', 'd']

容易看出，compress返回的元素個數等于兩個參數中較短的列表長度。

它的大概實現代碼：

def compress(data, selectors):      return (d for d, s in zip(data, selectors) if s)

這個函數非常好用

4 段位篩選

掃描列表，不滿足條件處開始往后保留，原型如下：

dropwhile(predicate, iterable)

應用例子：

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]

實現它的大概代碼如下：

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 段位篩選2

掃描列表，只要滿足條件就從可迭代對象中返回元素，直到不滿足條件為止，原型如下：

takewhile(predicate, iterable)

應用例子：

In [43]: list(takewhile(lambda x: x<5, [1,4,6,4,1]))  Out[43]: [1, 4]

實現它的大概代碼如下：

def takewhile(predicate, iterable):      for x in iterable:          if predicate(x):              yield x          else:              break #立即返回

6 次品篩選

掃描列表，只要不滿足條件都保留，原型如下：

dropwhile(predicate, iterable)

應用例子：

In [40]: list(filterfalse(lambda x: x%2==0, [1,2,3,4,5,6]))  Out[40]: [1, 3, 5]

實現它的大概代碼如下：

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 切片篩選

Python中的普通切片操作，比如：

lis = [1,3,2,1]  lis[:1]

它們的缺陷還是lis 必須全部載入內存，所以更節省內存的操作islice，原型如下：

islice(iterable, start, stop[, step])

應用例子：

In [41]: list(islice('abcdefg',1,4,2))  Out[41]: ['b', 'd']

實現它的大概代碼如下：

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結束時會拋出異常StopIteration，做一些邊界處理的事情。

8 細胞分裂

tee函數類似于我們熟知的細胞分裂，它能復制原迭代器n個，原型如下：

tee(iterable, n=2)

應用如下，可以看出復制出的兩個迭代器是獨立的

a = tee([1,4,6,4,1],2)  In [51]: next(a[0])  Out[51]: 1  In [52]: next(a[1])  Out[52]: 1

實現它的代碼大概如下：

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 實現內部使用一個隊列類型deques，起初生成空隊列，向復制出來的每個隊列中添加元素newval, 同時yield 當前被調用的mydeque中的最左元素。

9 map變體

starmap可以看做是map的變體，它能更加節省內存，同時iterable的元素必須也為可迭代對象，原型如下：

starmap(function, iterable)

應用它：

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的實現細節如下：

def starmap(function, iterable):      for args in iterable:          yield function(*args)

10 復制元素

repeat實現復制元素n次，原型如下：

repeat(object[, times])

應用如下：

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]]

它的實現細節大概如下：

def repeat(object, times=None):      if times is None:# 如果times不設置，將一直repeat下去          while True:               yield object      else:          for i in range(times):              yield object

11 笛卡爾積

笛卡爾積實現的效果同下：

((x,y) for x in A for y in B)

所以，笛卡爾積的實現效果如下：

In [68]: list(product('ABCD', 'xy'))  Out[68]:  [('A', 'x'),   ('A', 'y'),   ('B', 'x'),   ('B', 'y'),   ('C', 'x'),   ('C', 'y'),   ('D', 'x'),   ('D', 'y')]

它的實現細節：

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 加強版zip

組合值。若可迭代對象的長度未對齊，將根據 fillvalue 填充缺失值，注意：迭代持續到耗光最長的可迭代對象，效果如下：

In [69]: list(zip_longest('ABCD', 'xy', fillvalue='-'))  Out[69]: [('A', 'x'), ('B', 'y'), ('C', '-'), ('D', '-')]

它的實現細節：

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，也就是在可迭代對象的長度未對齊時，根據 fillvalue 填充缺失值。理解上面代碼的關鍵是迭代器對象(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))      #輸出：      1      x

到此，相信大家對“怎么高效寫Python循環”有了更深的了解，不妨來實際操作一番吧！這里是創新互聯網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！

網頁標題：怎么高效寫Python循環
鏈接分享：http://vcdvsql.cn/article44/pdpghe.html

成都網站建設公司_創新互聯，為您提供網站制作、網站改版、面包屑導航、做網站、定制開發、品牌網站建設

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯