关于迭代器：在python中每隔n个项拆分一个生成器/iterable(split every)


split a generator/iterable every n items in python (splitEvery)

我正在尝试用python编写haskel函数"splitevery"。定义如下：

1
2
3
4
splitEvery :: Int -> [e] -> [[e]]
    @'splitEvery' n@ splits a list into length-n pieces.  The last
    piece will be shorter if @n@ does not evenly divide the length of
    the list.

这个的基本版本可以正常工作，但是我想要一个能与生成器表达式、列表和迭代器一起工作的版本。如果有一个发电机作为输入，它应该返回一个发电机作为输出！

测验

1
2
3
4
5
6
7
8
9
10
# should not enter infinite loop with generators or lists
splitEvery(itertools.count(), 10)
splitEvery(range(1000), 10)

# last piece must be shorter if n does not evenly divide
assert splitEvery(5, range(9)) == [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

# should give same correct results with generators
tmp = itertools.islice(itertools.count(), 10)
assert list(splitEvery(5, tmp)) == [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

当前实施

这是我目前拥有的代码，但它不适用于简单的列表。

1
2
3
4
5
def splitEvery_1(n, iterable):
    res = list(itertools.islice(iterable, n))
    while len(res) != 0:
        yield res
        res = list(itertools.islice(iterable, n))

这个不适用于生成器表达式(感谢Jellybean修复它)：

1
2
def splitEvery_2(n, iterable):
    return [iterable[i:i+n] for i in range(0, len(iterable), n)]

必须有一段简单的代码来进行拆分。我知道我可以有不同的功能，但它似乎是应该和容易的事情做。我可能会陷入一个不重要的问题，但这真的让我心烦。

它类似于http://docs.python.org/library/itertools.html itertools.groupby中的grouper，但我不希望它填充额外的值。

1
2
3
4
def grouper(n, iterable, fillvalue=None):
   "grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return izip_longest(fillvalue=fillvalue, *args)

它确实提到了截断最后一个值的方法。这也不是我想要的。

The left-to-right evaluation order of the iterables is guaranteed. This makes possible an idiom for clustering a data series into n-length groups using izip(*[iter(s)]*n).

1
2
list(izip(*[iter(range(9))]*5)) == [[0, 1, 2, 3, 4]]
# should be [[0, 1, 2, 3, 4], [5, 6, 7, 8]]
相关讨论

1
2
3
4
5
6
7
8
from itertools import islice

def split_every(n, iterable):
    i = iter(iterable)
    piece = list(islice(i, n))
    while piece:
        yield piece
        piece = list(islice(i, n))

一些测试：

1
2
3
4
5
6
7
8
9
10
11
>>> list(split_every(5, range(9)))
[[0, 1, 2, 3, 4], [5, 6, 7, 8]]

>>> list(split_every(3, (x**2 for x in range(20))))
[[0, 1, 4], [9, 16, 25], [36, 49, 64], [81, 100, 121], [144, 169, 196], [225, 256, 289], [324, 361]]

>>> [''.join(s) for s in split_every(6, 'Hello world')]
['Hello ', 'world']

>>> list(split_every(100, []))
[]
相关讨论

这是一个快速的单列版本。和哈斯克尔一样，它也是懒惰的。

1
2
3
from itertools import islice, takewhile, repeat
split_every = (lambda n, it:
    takewhile(bool, (list(islice(it, n)) for _ in repeat(None))))

这要求在调用split_every之前使用iter。

例子：

1
2
list(split_every(5, iter(xrange(9))))
[[0, 1, 2, 3, 4], [5, 6, 7, 8]]

虽然不是一行程序，但下面的版本并不要求您调用iter，这可能是一个常见的陷阱。

1
2
3
4
5
6
7
8
9
10
11
from itertools import islice, takewhile, repeat

def split_every(n, iterable):
   """
    Slice an iterable into chunks of n elements
    :type n: int
    :type iterable: Iterable
    :rtype: Iterator
   """
    iterator = iter(iterable)
    return takewhile(bool, (list(islice(iterator, n)) for _ in repeat(None)))

(感谢@eli korvigo的改进。)

相关讨论

more_itertools具有chunked功能：

1
2
3
4
5
import more_itertools as mit


list(mit.chunked(range(9), 5))
# [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

根据公认的答案，使用不太知名的iter(即，当通过第二个参数时，它调用第一个参数直到收到第二个参数)，您可以很容易地做到这一点：

Python 3：

1
2
3
4
5
from itertools import islice

def split_every(n, iterable):
    iterable = iter(iterable)
    yield from iter(lambda: list(islice(iterable, n)), [])

Python 2：

1
2
3
4
def split_every(n, iterable):
    iterable = iter(iterable)
    for chunk in iter(lambda: list(islice(iterable, n)), []):
        yield chunk
相关讨论

一个一行的、对此的不可线性解决方案(支持v2/v3、迭代器、使用标准库和单个生成器理解)：

1
2
3
import itertools
def split_groups(iter_in, group_size):
     return ((x for _, x in item) for _, item in itertools.groupby(enumerate(iter_in), key=lambda x: x[0] // group_size))
相关讨论

我遇到这种情况的时候，我也在尝试拆分批，但是在流的生成器上执行，所以这里的大多数解决方案都不适用，或者在Python3中不工作。

对于仍然在这方面犹豫不决的人们，下面是一个使用ITertools的通用解决方案：

1
2
3
4
5
6
7
8
9
from itertools import islice, chain

def iter_in_slices(iterator, size=None):
    while True:
        slice_iter = islice(iterator, size)
        # If no first object this is how StopIteration is triggered
        peek = next(slice_iter)
        # Put the first object back and return slice
        yield chain([peek], slice_iter)
相关讨论

我认为这些问题几乎是平等的

稍微改变一下裁剪最后一个，我认为发电机箱的一个好解决方案是：

1
2
3
4
5
6
7
from itertools import *
def iter_grouper(n, iterable):
    it = iter(iterable)
    item = itertools.islice(it, n)
    while item:
        yield item
        item = itertools.islice(it, n)

对于支持切片(列表、字符串、元组)的对象，我们可以执行以下操作：

1
2
def slice_grouper(n, sequence):
   return [sequence[i:i+n] for i in range(0, len(sequence), n)]

现在，问题只在于分配正确的方法：

1
2
3
4
5
def grouper(n, iter_or_seq):
    if hasattr(iter_or_seq,"__getslice__"):
        return slice_grouper(n, iter_or_seq)
    elif hasattr(iter_or_seq,"__iter__"):
        return iter_grouper(n, iter_or_seq)

我想你可以把它再磨光一点。

相关讨论

这是一个同时适用于列表和生成器的答案：

1
2
3
4
5
from itertools import count, groupby
def split_every(size, iterable):
    c = count()
    for k, g in groupby(iterable, lambda x: next(c)//size):
        yield list(g) # or yield g if you want to output a generator

为什么不这样做？看起来像你的splitEvery_2函数。

1
2
def splitEveryN(n, it):
    return [it[i:i+n] for i in range(0, len(it), n)]

实际上，它只会从解决方案的切片中去掉不必要的步骤间隔。：)

相关讨论

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
def chunks(iterable,n):
   """assumes n is an integer>0
   """
    iterable=iter(iterable)
    while True:
        result=[]
        for i in range(n):
            try:
                a=next(iterable)
            except StopIteration:
                break
            else:
                result.append(a)
        if result:
            yield result
        else:
            break

g1=(i*i for i in range(10))
g2=chunks(g1,3)
print g2
'<generator object chunks at 0x0337B9B8>'
print list(g2)
'[[0, 1, 4], [9, 16, 25], [36, 49, 64], [81]]'

下面是如何处理列表与迭代器：

1
2
3
def isList(L): # Implement it somehow - returns True or false
...
return (list, lambda x:x)[int(islist(L))](result)
相关讨论

如果你想要一个解决方案

  • 仅使用生成器(没有中间列表或元组)，
  • 适用于非常长(或无限)的迭代器，
  • 适用于非常大的批量生产，

这就是诀窍：

1
2
3
4
5
6
7
8
9
10
def one_batch(first_value, iterator, batch_size):
    yield first_value
    for i in xrange(1, batch_size):
        yield iterator.next()

def batch_iterator(iterator, batch_size):
    iterator = iter(iterator)
    while True:
        first_value = iterator.next()  # Peek.
        yield one_batch(first_value, iterator, batch_size)

它的工作方式是查看迭代器中的下一个值，并将其作为第一个值传递给生成它的生成器(one_batch()，以及批处理的其余部分。

当输入迭代器用完并且没有更多的批时，peek步骤将提升StopIteration。由于这是在batch_iterator()方法中提升StopIteration的正确时间，因此不需要捕获异常。

这将批量处理来自stdin的行：

1
2
3
4
for input_batch in batch_iterator(sys.stdin, 10000):
    for line in input_batch:
        process(line)
    finalise()

我发现这对于处理大量数据和批量将结果上载到外部存储非常有用。

这就行了

1
2
from itertools import izip_longest
izip_longest(it[::2], it[1::2])

其中*它*是一些不可更改的

例子：

1
izip_longest('abcdef'[::2], 'abcdef'[1::2]) -> ('a', 'b'), ('c', 'd'), ('e', 'f')

让我们把这个拆下来

1
2
'abcdef'[::2] -> 'ace'
'abcdef'[1::2] -> 'bdf'

如您所见，切片中的最后一个数字指定了用于拾取项目的间隔。您可以在这里阅读关于使用扩展片的更多信息。

zip函数从第一个iterable中获取第一个项，并将其与第一个iterable和第二个iterable组合在一起。然后，zip函数对第二和第三项执行相同的操作，直到其中一个iterables的值用完为止。

结果是一个迭代器。如果需要列表，请对结果使用list()函数。

相关讨论