迭代的模块itertools

itertools模块提供的全部是处理迭代功能的函数，他们的返回值不是list，而是迭代对象，只有在for循环的时候才会真正去计算。

使用迭代器的好处是在循环的时候才去取值，而直接返回值为list的结果会占用大量的内存，从而使用迭代器的话，使用了惰计算的方式，或者是延迟计算，从而在性能上能好很多。

在使用import的时候，具有两种方式，如下：

import itertools
from itertools import *

第一种是直接进行导入，在使用模块里的函数的时候，必须带有前缀itertools，然后用.进行应用

第二种是from import形式，在使用模块里的函数的时候，直接使用函数名即可，不需要带itertools的前缀

1、 迭代器imap和map的使用

itre = itertools.imap(pow,[1,2,3],[1,2,3])
print itre
for i in itre:
    print i
li = map(pow,[1,2,3],[1,2,3])
print li

执行结果如下：

<itertools.imap object at 0x7fe364cf4610>
1
4
27
[1, 4, 27]

从结果中可以看到，imap函数返回的是一个迭代器，而map函数返回的是一个list

2、 迭代器ifilter和filter的使用

ifil = itertools.ifilter(lambda x:x >5 ,range(10))
print ifil
for i in ifil:
    print i
ifilfalse = itertools.ifilterfalse(lambda x:x>5,range(10))
print ifilfalse
for i in ifilfalse:
    print i

li = filter(lambda x:x>5,range(10))
print li

执行结果如下：

<itertools.ifilter object at 0x7fe364cf46d0>
6
7
8
9
<itertools.ifilterfalse object at 0x7fe364cf4750>
0
1
2
3
4
5
[6, 7, 8, 9]

从执行结果可以看到，ifilter和filter和ifilterfalse都是起到一个过滤的作用，但是ifilter和ifilterfalse都是返回一个迭代器，而filter则是返回一个列表

3、 迭代器takewhile和dropwhile函数

take = itertools.takewhile(lambda x:x>5,[6,2,6,7,3])
for i in take:
    print 'this is the takewhile function ',i
drop = itertools.dropwhile(lambda x:x>5,[1,2,6,7,3])
for i in drop:
    print 'this is the dropwhile function ',i

takewhile函数表示遇到true进行收集到迭代器中，遇到false之后，退出

driopwhile函数表示遇到false的时候，跳过此元素，当true的时候收集剩余的元素，执行结果如下：

this is the takewhile function  6
this is the dropwhile function  1
this is the dropwhile function  2
this is the dropwhile function  6
this is the dropwhile function  7
this is the dropwhile function  3

4、 迭代器groupby方法

import itertools

def height_alias(height):
    if height > 180:
        return 'tall'
    elif height < 160:
        return 'short'
    else:
        return 'middle'

persons = [191,159,156,170,177,190,183,185]
sorted(persons,key=height_alias)

for m,n in itertools.groupby(persons,key=height_alias):
    print m
    print (list(n))

groupby主要是将相邻的相同的元素放在一起，然后进行返回，在上述的方法中，可以看到使用sorted方法，主要是将数据进行排序，然后挑选相邻的元素将符合条件的进行输出，得到一个统计的作用，执行结果如下：

tall
[191]
short
[159, 156]
middle
[170, 177]
tall
[190, 183, 185]

groupby(iterable [,key]):

创建一个迭代器，对iterable生成的连续项进行分组，在分组过程中会查找重复项。

如果iterable在多次连续迭代中生成了同一项，则会定义一个组，如果将此函数应用一个分类列表，那么分组将定义该列表中的所有唯一项，key（如果已提供）是一个函数，应用于每一项，如果此函数存在返回值，该值将用于后续项而不是该项本身进行比较，此函数返回的迭代器生成元素(key, group)，其中key是分组的键值，group是迭代器，生成组成该组的所有项。

5、 chain函数

主要是将几个序列进行加起来，然后返回一个迭代器，itertools.chain('kel','other')

6、 count函数

主要输出自然序列，第一个为开始的数字，第二个参数为步长，itertools.count(2,2)，输出从2开始，以2为步长的无限迭代器

7、 cycle函数

主要是将一个序列无限输出，重复，itertools.cycle（'kel')

8、 repeat函数

主要是进行重复一个序列，第二个参数为重复的次数 ,itertools.repeat('kel',2)表示将序列kel重复两次的迭代器