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):
- 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。
