Python标准库itertools详解：高效迭代器工具全解析

林见深

发布时间：2026-10-12| 3人浏览过

原创

本文深入解析Python标准库itertools，涵盖accumulate、chain、combinations等17个核心函数。通过对比列表与迭代器的性能差异，展示如何利用延迟计算提升效率，并提供完整代码示例，帮助开发者写出更Pythonic的高效代码。

前言

近期工作节奏相对宽松，我决定撰写一系列技术文章与读者分享，同时也借此机会梳理自己这段时间碎片化获取的知识。正如所言，只有将知识理清才能准确表达，表达清晰才能思维透彻。

许多开发者致力于编写更具“Pythonic”风格的代码，这不仅符合规范且易于阅读，通常执行效率也更高。本文将重点介绍Python的标准库itertools。

itertools库概述

在Python中，迭代器（生成器）是一种常用且高效的数据结构。相较于列表（list），迭代器的最大优势在于延迟计算和按需使用，从而提升开发体验与运行效率。这也使得在Python 3中，map、filter等操作返回的不再是列表，而是迭代器对象。

尽管迭代器功能强大，但日常使用中大家接触最多的可能只有range函数。虽然可以通过iter()函数将列表转换为迭代器，但这往往显得多余。此时，本文的主角itertools库便派上了用场。

itertools库的使用

itertools中的函数大多返回各种迭代器对象。其中许多功能若用普通代码实现，不仅代码量大，运行效率也较低，而作为系统库的itertools则经过高度优化。

itertools.accumulate

该函数的主要功能是实现元素的累加操作。

>>> import itertools
>>> x = itertools.accumulate(range(10))
>>> print(list(x))
[0, 1, 3, 6, 10, 15, 21, 28, 36, 45]

itertools.chain

用于将多个列表或迭代器连接成一个单一的迭代器。

>>> x = itertools.chain(range(3), range(4), [3,2,1])
>>> print(list(x))
[0, 1, 2, 0, 1, 2, 3, 3, 2, 1]

itertools.combinations

用于从列表或生成器中选取指定数量的元素，生成所有不重复的组合。

>>> x = itertools.combinations(range(4), 3)
>>> print(list(x))
[(0, 1, 2), (0, 1, 3), (0, 2, 3), (1, 2, 3)]

itertools.combinations_with_replacement

用于生成允许元素重复的组合。

>>> x = itertools.combinations_with_replacement('ABC', 2)
>>> print(list(x))
[('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'B'), ('B', 'C'), ('C', 'C')]

itertools.compress

根据提供的真值表（布尔序列）筛选并保留对应的元素。

>>> x = itertools.compress(range(5), (True, False, True, True, False))
>>> print(list(x))
[0, 2, 3]

itertools.count

这是一个计数器函数，允许用户指定起始位置和步长。

>>> x = itertools.count(start=20, step=-1)
>>> print(list(itertools.islice(x, 0, 10, 1)))
[20, 19, 18, 17, 16, 15, 14, 13, 12, 11]

itertools.cycle

用于无限循环遍历指定的列表或迭代器。

>>> x = itertools.cycle('ABC')
>>> print(list(itertools.islice(x, 0, 10, 1)))
['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C', 'A']

itertools.dropwhile

根据给定的真值函数，丢弃迭代器前部满足条件的元素，直到遇到第一个不满足条件的元素为止。

>>> x = itertools.dropwhile(lambda e: e < 5, range(10))
>>> print(list(x))
[5, 6, 7, 8, 9]

itertools.filterfalse

与filter相反，该函数保留对应真值为False的元素。

>>> x = itertools.filterfalse(lambda e: e < 5, (1, 5, 3, 6, 9, 4))
>>> print(list(x))
[5, 6, 9]

itertools.groupby

根据分组函数的返回值对元素进行分组处理。

>>> x = itertools.groupby(range(10), lambda x: x < 5 or x > 8)             
>>> for condition, numbers in x:       
... print(condition, list(numbers))             
True [0, 1, 2, 3, 4]        
False [5, 6, 7, 8]        
True [9]

itertools.islice

该函数允许对迭代器进行切片操作，类似于列表切片。

>>> x = itertools.islice(range(10), 0, 9, 2)
>>> print(list(x))
[0, 2, 4, 6, 8]

itertools.permutations

用于生成指定数量元素的所有排列，注意排列中元素的顺序是有意义的。

>>> x = itertools.permutations(range(4), 3)
>>> print(list(x))
[(0, 1, 2), (0, 1, 3), (0, 2, 1), (0, 2, 3), (0, 3, 1), (0, 3, 2), (1, 0, 2), (1, 0, 3), (1, 2, 0), (1, 2, 3), (1, 3, 0), (1, 3, 2), (2, 0, 1), (2, 0, 3), (2, 1, 0), (2, 1, 3), (2, 3, 0), (2, 3, 1), (3, 0, 1), (3, 0, 2), (3, 1, 0), (3, 1, 2), (3, 2, 0), (3, 2, 1)]

itertools.product

用于生成多个列表或迭代器的笛卡尔积。

>>> x = itertools.product('ABC', range(3))
>>>
>>> print(list(x))
[('A', 0), ('A', 1), ('A', 2), ('B', 0), ('B', 1), ('B', 2), ('C', 0), ('C', 1), ('C', 2)]

itertools.repeat

用于生成一个包含指定数量元素的简单迭代器，元素内容保持不变。

>>> x = itertools.repeat(0, 5)
>>> print(list(x))
[0, 0, 0, 0, 0]

itertools.starmap

功能类似于map，但适用于参数已打包的情况。

>>> x = itertools.starmap(str.islower, 'aBCDefGhI')
>>> print(list(x))
[True, False, False, False, True, True, False, True, False]

itertools.takewhile

与dropwhile相反，该函数保留元素直到真值函数的值变为假（False）为止。

>>> x = itertools.takewhile(lambda e: e < 5, range(10))
>>> print(list(x))
[0, 1, 2, 3, 4]

itertools.tee

该函数用于从单个迭代器生成指定数量的独立迭代器，具体内部机制较为复杂。

>>> x = itertools.tee(range(10), 2)
>>> for letters in x:
... print(list(letters))
...
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

itertools.zip_longest

类似于内置的zip函数，但其长度以较长的列表或迭代器为准，较短的会用None填充。

>>> x = itertools.zip_longest(range(3), range(5))
>>> y = zip(range(3), range(5))
>>> print(list(x))
[(0, 0), (1, 1), (2, 2), (None, 3), (None, 4)]
>>> print(list(y))
[(0, 0), (1, 1), (2, 2)]

结语

以上内容大致总结了itertools库的主要功能。诚然，Python的各种语言特性和库必须通过大量实践才能熟练掌握，最终达到信手拈来的境界，这可谓是由术入道。

总结

以上就是本文的全部内容，希望这些内容能对各位的学习或工作有所帮助。如有任何疑问，欢迎留言交流，感谢大家对本站的支持。