itertools.count 和 itertools.islice 有什么意义?

What is the point of itertools.count and itertools.islice?

我看过在线课程,他们有如下示例:

from itertools import count
  
# creates a count iterator object
iterator =(count(start = 0, step = 2))
  
# prints an even list of integers
print("Even list:", 
      list(next(iterator) for _ in range(5)))

...您可以使用 rangenp.arange 编写。这是另一个例子:

# list containing some strings
my_list =["x", "y", "z"]
  
# count spits out integers for 
# each value in my list
for i in zip(count(start = 1, step = 1), my_list):
    print(i)

... 基本上就是 enumerate。所以我的问题是:你能举例说明 itertools.countitertools.islice 使用 range 无法完成(或必须更笨拙地完成)吗?

如果您想节省内存使用量,您可以在 python 中使用 generators,或者库可以使用生成器。切片生成器 islice 很方便。 countenumerate 更灵活。

一个非常简单的生成器

import itertools as it
import random
random.seed(42)

def fib():
    x, y = 0, 1
    while True:
        yield x
        x, y = y, x + y

x = random.randint(5, 40)
start, step = 2.5, .1

使用带浮点数的 countislice 来分割生成器。

for c, i in zip(it.count(start, step), it.islice(fib(), x, x+5)):
    print(f'{c:.1f}', i)

输出

2.5 144
2.6 233
2.7 377
2.8 610
2.9 987

没有itertools使用生成器并不太难,但确实需要更多的努力。所以它仍然是个人选择的风格。有更多方法可以实现这一点,但我尽量做到像 itertools 一样富有表现力,并且尽量不笨拙。

g = fib()
for c in range(x+5):
    n = next(g)
    if c >= x:
        print(f'{start + (c-x)*step:.1f}', n)

输出

2.5 144
2.6 233
2.7 377
2.8 610
2.9 987

这里是偶尔使用 count 实例的情况,而不是立即在一个循环中使用。

class Foo:
    _x = count()  # Infinite supply of unique integer values

    def __init__(self):
        self._id = f'Foo #{next(self._x)}'

下面是使用islice来防止O(n)内存使用的情况:

def is_sorted(some_list):
    return all(i <= j for i, j in zip(some_list, islice(some_list, 1, None)))

如果你把它写成

def is_sorted(some_list):
    return all(i <= j for i, j in zip(some_list, some_list[1:]))

在测试第一对之前,您将不得不制作几乎完整的 some_list 副本,这对于像 [2, 1] + [3] * 10000.

这样的大列表来说是一种巨大的浪费

两者都不是 必需的,因为每一个都可以简单地定义:

def count(start=0, step=1):
    while True:
        yield start
        start += step

# A more accurate translation would be more complicated than necessary for our purposes here.
# The real version would have to be able to handle stop=None
# and choose 1 and -1 as default values for step, depending
# on whether stop is less than or greater than start.
def islice(itr, start, stop, step):
    for _ in range(start):
        next(itr)

    while start < stop:
        yield next(itr)
        start += step