Python循环这样写,高效节省内存100倍!

 

0 前言

说到处理循环,我们习惯使用for, while等,比如依次打印每个列表中的字符:

lis = ['I', 'love', 'python']  
for i in lis:  
    print(i)  
I  
love  
python 

在打印内容字节数较小时,全部载入内存后,再打印,没有问题。可是,如果现在有成千上百万条车辆行驶轨迹,叫你分析出其中每个客户的出行规律,堵车情况等,假如是在单机上处理这件事。

你可能首先要面临,也可能被你忽视,最后代码都写好后,才可能暴露出的一个问题:outofmemory, 这在实际项目中经常遇到。

这个问题提醒我们,处理数据时,如何写出高效利用内存的程序,就显得很重要。今天,我们就来探讨如何高效利用内存,节省内存同时还能把事情办好。

其实,Python已经准备好一个模块专门用来处理这件事,它就是 itertools 模块,这里面几个函数的功能其实很好理解。

我不打算笼统的介绍它们所能实现的功能,而是想分析这些功能背后的实现代码,它们如何做到高效节省内存的,Python内核的贡献者们又是如何写出一手漂亮的代码的,这很有趣,不是吗?

OK,let's go. Hope you enjoy the journey!

1 拼接元素

itertools 中的chain 函数实现元素拼接,原型如下,参数*表示个数可变的参数

chain(iterables)

应用如下:

In [33]: list(chain(['I','love'],['python'],['very', 'much']))  
Out[33]: ['I', 'love', 'python', 'very', 'much'] 

哇,不能再好用了,它有点join的味道,但是比join强,它的重点在于参数都是可迭代的实例。

那么,chain如何实现高效节省内存的呢?chain大概的实现代码如下:

def chain(*iterables):  
    for it in iterables:  
        for element in it:  
            yield element 

以上代码不难理解,chain本质返回一个生成器,所以它实际上是一次读入一个元素到内存,所以做到最高效地节省内存。

2 逐个累积

返回列表的累积汇总值,原型:

accumulate(iterable[, func, *, initial=None])

应用如下:

In [36]: list(accumulate([1,2,3,4,5,6],lambda x,y: x*y))  
Out[36]: [1, 2, 6, 24, 120, 720] 

accumulate大概的实现代码如下:

def accumulate(iterable, func=operator.add, *, initial=None):  
    it = iter(iterable)  
    total = initial  
    if initial is None:  
        try:  
            total = next(it)  
        except StopIteration:  
            return  
    yield total  
    for element in it:  
        total = func(total, element)  
        yield total 

以上代码,你还好吗?与chain简单的yield不同,此处稍微复杂一点,yield有点像return,所以 yield total那行直接就返回一个元素,也就是iterable的第一个元素,因为任何时候这个函数返回的第一个元素就是它的第一个。又因为yield返回的是一个generator对象,比如名字gen,所以next(gen)时,代码将会执行到 for element in it:这行,而此时的迭代器it 已经指到iterable的第二个元素,OK,相信你懂了!

3 漏斗筛选

它是compress 函数,功能类似于漏斗功能,所以我称它为漏斗筛选,原型:

compress(data, selectors)

In [38]: list(compress('abcdefg',[1,1,0,1]))  
Out[38]: ['a', 'b', 'd'] 

容易看出,compress返回的元素个数等于两个参数中较短的列表长度。

它的大概实现代码:

def compress(data, selectors):  
    return (d for d, s in zip(data, selectors) if s) 

这个函数非常好用

4 段位筛选

扫描列表,不满足条件处开始往后保留,原型如下:

dropwhile(predicate, iterable)

应用例子:

In [39]: list(dropwhile(lambda x: x<3,[1,0,2,4,1,1,3,5,-5]))  
Out[39]: [4, 1, 1, 3, 5, -5] 

实现它的大概代码如下:

def dropwhile(predicate, iterable):  
    iteriterable = iter(iterable)  
    for x in iterable:  
        if not predicate(x):  
            yield x  
            break  
    for x in iterable:  
        yield x 

5 段位筛选2

扫描列表,只要满足条件就从可迭代对象中返回元素,直到不满足条件为止,原型如下:

takewhile(predicate, iterable)

应用例子:

In [43]: list(takewhile(lambda x: x<5, [1,4,6,4,1]))  
Out[43]: [1, 4] 

实现它的大概代码如下:

def takewhile(predicate, iterable):  
    for x in iterable:  
        if predicate(x):  
            yield x  
        else:  
            break #立即返回 

6 次品筛选

扫描列表,只要不满足条件都保留,原型如下:

dropwhile(predicate, iterable)

应用例子:

In [40]: list(filterfalse(lambda x: x%2==0, [1,2,3,4,5,6]))  
Out[40]: [1, 3, 5] 

实现它的大概代码如下:

def dropwhile(predicate, iterable):  
    iteriterable = iter(iterable)  
    for x in iterable:  
        if not predicate(x):  
            yield x  
            break  
    for x in iterable:  
        yield x 

7 切片筛选

Python中的普通切片操作,比如:

lis = [1,3,2,1]  
lis[:1] 

它们的缺陷还是lis 必须全部载入内存,所以更节省内存的操作islice,原型如下:

islice(iterable, start, stop[, step])

应用例子:

In [41]: list(islice('abcdefg',1,4,2))  
Out[41]: ['b', 'd'] 

实现它的大概代码如下:

def islice(iterable, *args):  
    s = slice(*args)  
    start, stop, sstep = s.start or 0, s.stop or sys.maxsize, s.step or 1  
    it = iter(range(start, stop, step))  
    try:  
        nextnexti = next(it)  
    except StopIteration:  
        for i, element in zip(range(start), iterable):  
            pass  
        return  
    try:  
        for i, element in enumerate(iterable):  
            if i == nexti:  
                yield element  
                nextnexti = next(it)  
    except StopIteration:  
        for i, element in zip(range(i + 1, stop), iterable):  
            pass 

巧妙利用生成器迭代结束时会抛出异常StopIteration,做一些边界处理的事情。

8 细胞分裂

tee函数类似于我们熟知的细胞分裂,它能复制原迭代器n个,原型如下:

tee(iterable, n=2)

应用如下,可以看出复制出的两个迭代器是独立的

a = tee([1,4,6,4,1],2)  
In [51]: next(a[0])  
Out[51]: 1  
In [52]: next(a[1])  
Out[52]: 1 

实现它的代码大概如下:

def tee(iterable, n=2):  
    it = iter(iterable)  
    deques = [collections.deque() for i in range(n)]  
    def gen(mydeque):  
        while True:  
            if not mydeque:       
                 try:  
                    newval = next(it)     
                except StopIteration:  
                    return  
                for d in deques:       
                    d.append(newval)  
            yield mydeque.popleft()  
    return tuple(gen(d) for d in deques) 

tee 实现内部使用一个队列类型deques,起初生成空队列,向复制出来的每个队列中添加元素newval, 同时yield 当前被调用的mydeque中的最左元素。

9 map变体

starmap可以看做是map的变体,它能更加节省内存,同时iterable的元素必须也为可迭代对象,原型如下:

starmap(function, iterable)

应用它:

In [63]: list(starmap(lambda x,y: str(x)+'-'+str(y), [('a',1),('b',2),('c',3)]))  
Out[63]: ['a-1', 'b-2', 'c-3'] 

starmap的实现细节如下:

def starmap(function, iterable):  
    for args in iterable:  
        yield function(*args) 

10 复制元素

repeat实现复制元素n次,原型如下:

repeat(object[, times])

应用如下:

In [66]: list(repeat(6,3))  
Out[66]: [6, 6, 6]  
In [67]: list(repeat([1,2,3],2))  
Out[67]: [[1, 2, 3], [1, 2, 3]] 

它的实现细节大概如下:

def repeat(object, times=None):  
    if times is None:# 如果times不设置,将一直repeat下去  
        while True:   
            yield object  
    else:  
        for i in range(times):  
            yield object 

11 笛卡尔积

笛卡尔积实现的效果同下:

((x,y) for x in A for y in B) 

所以,笛卡尔积的实现效果如下:

In [68]: list(product('ABCD', 'xy'))  
Out[68]:  
[('A', 'x'),  
 ('A', 'y'),  
 ('B', 'x'),  
 ('B', 'y'),  
 ('C', 'x'),  
 ('C', 'y'),  
 ('D', 'x'),  
 ('D', 'y')] 

它的实现细节:

def product(*args, repeat=1):  
    pools = [tuple(pool) for pool in args] * repeat  
    result = [[]]  
    for pool in pools:  
        result = [x+[y] for x in result for y in pool]  
    for prod in result:  
        yield tuple(prod) 

12 加强版zip

组合值。若可迭代对象的长度未对齐,将根据 fillvalue 填充缺失值,注意:迭代持续到耗光最长的可迭代对象,效果如下:

In [69]: list(zip_longest('ABCD', 'xy', fillvalue='-'))  
Out[69]: [('A', 'x'), ('B', 'y'), ('C', '-'), ('D', '-')] 

它的实现细节:

def zip_longest(*args, fillvalue=None):  
    iterators = [iter(it) for it in args]  
    num_active = len(iterators)  
    if not num_active:  
        return  
    while True:  
        values = [] 
         for i, it in enumerate(iterators):  
            try:  
                value = next(it)  
            except StopIteration:  
                num_active -= 1  
                if not num_active:  
                    return  
                iterators[i] = repeat(fillvalue)  
                value = fillvalue  
            values.append(value)  
        yield tuple(values) 

它里面使用repeat,也就是在可迭代对象的长度未对齐时,根据 fillvalue 填充缺失值。理解上面代码的关键是迭代器对象(iter),next方法的特殊性:I

n [74]: for i, it in enumerate([iter([1,2,3]),iter(['x','y'])]):  
    ...:     print(next(it))  
    #输出:  
    1  
    x 

结合这个提示再理解上面代码,就不会吃力。

总结

Python的itertools模块提供的节省内存的高效迭代器,里面实现基本都借助于生成器,所以一方面了解这12个函数所实现的基本功能,同时也能加深对生成器(generator)的理解,为我们写出更加高效、简洁、漂亮的代码打下坚实基础。

【责任编辑:庞桂玉 TEL:(010)68476606】

我来评几句
登录后评论

已发表评论数()

相关站点

热门文章