4个你可能不知道的Python迭代工具过滤函数四海第1张

在Python中，迭代器帮助您编写更Pythonic的代码，并更高效地处理长序列。内置的itertools模块提供了几个有用的函数来创建迭代器。

当您只想循环遍历迭代器、检索序列中的元素并处理它们，而不必将它们存储在内存中时，这些函数尤其有用。今天我们将学习以下四个itertools过滤函数的用法：

filterfalse
takewhile
dropwhile
islice

让我们开始吧！

开始之前：关于代码示例的说明

在本教程中：

我们将使用简单的序列并使用list()获取包含迭代器返回的所有元素的列表，以便清晰明了。但是，当使用长序列时，除非必要，否则请避免这样做，因为这样做将失去迭代器带来的内存节省。
对于简单的谓词函数，您也可以使用lambda表达式。但为了更好的可读性，我们将定义常规函数并将其用作谓词。

1. filterfalse

如果您已经使用Python编程一段时间，可能已经使用过内置的filter函数，其语法如下：

filter(pred,seq)
# pred: 谓词函数
# seq: 任何有效的Python可迭代对象

filter函数返回一个迭代器，该迭代器返回谓词返回True的序列中的元素。

让我们举个例子：

nums = list(range(1,11)) #[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

def is_even(n):
    return n % 2 == 0

在这里，nums列表和is_even函数分别是序列和谓词。

要获取nums中所有偶数的列表，我们使用如下的filter：

nums_even = filter(is_even, nums)
print(list(nums_even))

输出 >>> [2, 4, 6, 8, 10]

现在让我们学习一下filterfalse。我们将从itertools模块导入filterfalse函数（以及我们将讨论的其他所有函数）。

顾名思义，filterfalse做的是filter函数的相反操作。它返回一个迭代器，该迭代器返回谓词返回False的元素。下面是使用filterfalse函数的语法：

from itertools import filterfalse
filterfalse(pred,seq)

is_even函数对nums中的所有奇数返回False。因此，使用filterfalse获得的nums_odd列表是nums中所有奇数的列表：

from itertools import filterfalse

nums_odd = filterfalse(is_even, nums)
print(list(nums_odd))

输出 >>> [1, 3, 5, 7, 9]

2. takewhile

使用takewhile函数的语法如下：

from itertools import takewhile
takewhile(pred,seq)

takewhile函数返回一个迭代器，只要predicate函数返回True，它就会返回元素。当predicate函数第一次返回False时，它停止返回元素。

对于一个长度为n的序列，如果seq[k]是第一个使得predicate函数返回False的元素，那么迭代器将返回seq[0]，seq[1]，…，seq[k-1]。

考虑以下nums列表和predicate函数is_less_than_5。我们使用takewhile函数如下所示：

from itertools import takewhile

def is_less_than_5(n):
    return n < 5

nums = [1, 3, 5, 2, 4, 6]
filtered_nums_1 = takewhile(is_less_than_5, nums)
print(list(filtered_nums_1))

这里，predicate函数is_less_than_5第一次对数字5返回False：

输出 >>> [1, 3]

3. dropwhile

从功能上讲，dropwhile函数与takewhile函数相反。

以下是如何使用dropwhile函数的示例：

from itertools import dropwhile
dropwhile(pred,seq)

dropwhile函数返回一个迭代器，只要predicate为True，它就会继续丢弃元素。这意味着迭代器在predicate第一次返回False之前不返回任何内容。一旦predicate返回False，迭代器将返回序列中的所有后续元素。

对于一个长度为n的序列，如果seq[k]是第一个使得predicate函数返回False的元素，那么迭代器将返回seq[k]，seq[k+1]，…，seq[n-1]。

让我们使用相同的序列和predicate：

from itertools import dropwhile

def is_less_than_5(n):
    return n < 5

nums = [1, 3, 5, 2, 4, 6]
filtered_nums_2 = dropwhile(is_less_than_5, nums)
print(list(filtered_nums_2))

因为predicate函数is_less_than_5第一次对元素5返回False，所以我们得到从5开始的序列的所有元素：

输出 >>> [5, 2, 4, 6]

4. islice

你可能已经熟悉了对Python可迭代对象（如列表、元组和字符串）进行切片的操作。切片的语法是：iterable[start:stop:step]。

然而，切片的方法有以下缺点：

当处理大型序列时，每个切片或子序列都是占用内存的副本，这可能效率低下。
由于步长也可以取负值，使用start、stop和step值会影响可读性。

islice函数解决了上述限制：

它返回一个迭代器。
它不允许步长为负值。

你可以像这样使用islice函数：

from itertools import islice
islice(seq,start,stop,step)

以下是您可以使用islice函数的几种不同方法：

使用islice(seq, stop)返回一个迭代器，该迭代器包含切片seq[0]，seq[1]，…，seq[stop - 1]。
如果指定了开始值和停止值：islice(seq, start, stop)该函数将返回一个迭代器，该迭代器包含切片seq[start]，seq[start + 1]，…，seq[start + stop - 1]。
当您指定了开始值、停止值和步长参数时，该函数将返回一个迭代器，该迭代器包含切片seq[start]，seq[start + step]，seq[start + 2*step]，…，seq[start + k*step]，其中start + k*step < stop且start + (k+1)*step >= stop。

让我们以一个示例列表来更好地理解：

nums = list(range(10)) #[0,1, 2, 3, 4, 5, 6, 7, 8, 9]

现在让我们使用我们所学到的islice函数的语法。

仅使用停止值

让我们仅指定停止索引：

from itertools import islice

# only stop
sliced_nums = islice(nums, 5)
print(list(sliced_nums))

以下是输出结果：

Output >>> [0, 1, 2, 3, 4]

使用开始和停止值

在这里，我们同时使用了开始和停止值：

# start and stop
sliced_nums = islice(nums, 2, 7)
print(list(sliced_nums))

切片从索引2开始，一直延伸到但不包括索引7：

Output >>> [2, 3, 4, 5, 6]

使用开始、停止和步长值

当我们使用开始、停止和步长值时：

# using start, stop, and step
sliced_nums = islice(nums, 2, 8, 2)
print(list(sliced_nums))

我们得到一个从索引2开始，一直延伸到但不包括索引8的切片，步长为2（返回每个第二个元素）。

Output >>> [2, 4, 6]

总结

希望本教程能帮助您理解itertools过滤函数的基础知识。您已经看到了一些简单的示例，以更好地理解这些函数的工作方式。接下来，您可以学习生成器函数和生成器表达式作为高效的Python迭代器的工作原理。Bala Priya C是来自印度的开发人员和技术作家。她喜欢在数学、编程、数据科学和内容创作的交叉点工作。她的兴趣和专业领域包括DevOps、数据科学和自然语言处理。她喜欢阅读、写作、编码和咖啡！目前，她正在通过撰写教程、指南、观点文章等，与开发者社区学习和分享知识。