4 个你可能不知道的 Python 迭代工具过滤器函数

推荐：使用 NSDT场景编辑器 快速搭建3D应用场景

当您只想循环遍历迭代器、检索序列中的元素并处理它们时，这些元素特别有用 - 所有这些都无需将它们存储在内存中。今天我们将学习如何使用以下四个迭代工具过滤器函数：

• filterfalse
• takewhile
• dropwhile
• islice

让我们开始吧！

开始之前：有关代码示例的说明

在本教程中：

• 我们将讨论的所有四个函数都给出了迭代器。为了清楚起见，我们将使用简单的序列，并用于获取包含迭代器返回的所有元素的列表。但是，除非必要，否则在处理长序列时不要这样做。因为当您这样做时，您将失去迭代器为您提供的内存节省。list()
• 对于简单的谓词函数，您还可以使用 lambda。但为了更好的可读性，我们将定义常规函数并将它们用作谓词。

1. filterfalse

如果你已经用Python编程了一段时间，你可能会使用内置函数和语法：filter

filter(pred,seq)
# pred: predicate function
# seq: any valid Python iterable

该函数提供了一个迭代器，该迭代器从谓词返回的序列中返回元素。filterTrue

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，列表和函数分别是序列和谓词。numsis_even

为了获取 中所有偶数的列表，我们使用如下所示的：numsfilter

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

Output >>> [2, 4, 6, 8, 10]

现在让我们了解.我们将从 itertools 模块导入函数（以及我们将讨论的所有其他函数）。filterfalsefilterfalse

顾名思义，与函数的作用相反。它提供了一个迭代器，该迭代器返回谓词返回的元素。以下是使用该函数的语法：filterfalsefilterFalsefilterfalse

from itertools import filterfalse
filterfalse(pred,seq)

该函数返回 中的所有奇数。因此，使用获得的列表是以下所有奇数的列表：is_evenFalsenumsnums_oddfilterfalsenums

from itertools import filterfalse
 
nums_odd = filterfalse(is_even, nums)
print(list(nums_odd)) 

Output >>> [1, 3, 5, 7, 9]

2. takewhile

使用该函数的语法为：takewhile

from itertools import takewhile
takewhile(pred,seq)

该函数给出一个迭代器，只要谓词函数返回 .当谓词首次返回时，它将停止返回元素。takewhileTrueFalse

对于 n 长度序列，if 是谓词函数返回的第一个元素，则迭代器返回 ,..., .seq[k]Falseseq[0]seq[1]seq[k-1]

考虑以下列表和谓词函数。我们使用如下所示的函数：numsis_less_ than_5takewhile

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))  

在这里，谓词首次返回数字 5：is_less_than_5False

Output >>> [1, 3]

3. dropwhile

在功能上，函数执行与函数相反的操作。dropwhiletakewhile

以下是使用该函数的方法：dropwhile

from itertools import dropwhile
dropwhile(pred,seq) 

该函数提供了一个不断丢弃元素的迭代器，只要谓词是 .这意味着迭代器在谓词第一次返回之前不会返回任何内容。一旦谓词返回，迭代器返回序列中的所有后续元素。dropwhileTrueFalseFalse

对于 n 长度序列，if 是谓词函数返回的第一个元素，则迭代器返回 ,..., .seq[k]Falseseq[k]seq[k+1]seq[n-1]

让我们使用相同的序列和谓词：

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)) 

因为谓词函数第一次返回元素 5，所以我们得到从 5 开始的序列的所有元素：is_less_than_5False

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

4. islice

您已经熟悉对 Python 可迭代对象（如列表、元组和字符串）进行切片。切片采用语法：。iterable[start:stop:step]

但是，这种切片方法具有以下缺点：

• 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。
• 由于步骤也可以采用负值，因此使用开始值、停止值和步骤值会影响可读性。

该函数解决了上述限制：islice

• 它返回一个迭代器。
• 它不允许该步骤为负值。

您可以像这样使用该函数：islice

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

以下是使用该函数的几种不同方式：islice

• Using 返回切片上的迭代器，,..., .islice(seq, stop)seq[0]seq[1]seq[stop - 1]
• 如果指定开始值和停止值：该函数在切片上返回一个迭代器，,..., .islice(seq, start, stop)seq[start]seq[start + 1]seq[start + stop - 1]
• 指定开始、停止和步进参数时，该函数将返回切片、、,..., .这样<和>= .seq[start]seq[start + step]seq[start + 2*step]seq[start + k*step]start + k*stepstopstart + (k+1)*stepstop

让我们举一个示例列表来更好地理解这一点：

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

现在让我们将该函数与我们学到的语法一起使用。islice

仅使用停止值

让我们只指定停止索引：

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

这是输出：

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

使用开始值和停止值

在这里，我们同时使用开始值和停止值：

# 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]

使用开始值、停止值和步长值

当我们使用开始值、停止值和步长值时：

# 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 开始的切片，一直延伸到但不包括索引 8，步长为 2（每隔一个元素返回一次）。

Output >>> [2, 4, 6]

总结

我希望本教程能帮助您了解迭代工具过滤器函数的基础知识。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原理。接下来，您可以了解生成器生成器函数和生成器表达式如何作为高效的 python 迭代器工作。

原文链接：4 个你可能不知道的 Python 迭代工具过滤器函数 (mvrlink.com)