如何使用Python迭代工具模型

这个版本看起来已经十分紧密，但是还有很多工作要做：让我们一点点分解它。首先，我们获取序列并创建一个迭代器——当我们拆分子列表时，可用来记录我们的位置，我们只需要遍历列表两次，每次循环并不需要从头开始。由于表推导式的原因主循环是隐含的——使用压缩可以得到每个子列表的内容，我们只需要放置列表中的恰当的项目即可。

这使用了生成器函数（也是迭代工具中的一个函数），它接受一个函数和一个序列并当函数为假时，返回序列中的项目。下面是演示该函数的示例代码：

>>> list(takewhile(lambda x: x > 3,[5,6,4,3,1,1,1,3,4]))

[5, 6, 4]

>>> list(takewhile(lambda x: x < 3,[5,6,4,3,1,1,1,3,4]))

[]

这些lambada是python中定义函数的快捷操作，了解更多关于该方面的知识，请看Python参考手册。

现在我们已经实现了一个新的版本，下面让我们测试一下它的运行速度有多快：

>>> i = time.clock(); q = pack3(long); print time.clock()-i

14.23

这个要好一些，但看起来仍有可以提高的地方。我们将它留给有兴趣的读者去完成。

仅从本文的这几个小例子，我们就可以了解迭代器的使用并对python发行中的库函数有一个较好的理解，像迭代工具，它可以使你更高效，无论是代码编写的时间方面还是代码运行时间方面。在迭代工具模型中有很多函数，这里我们只介绍了14个函数中的3个，要想更全面地了解这些函数，请看Python库文档页面。

责任编辑：德东

查看本文国际来源