itertools — 효율적인 루프를 위한 이터레이터 생성 함수들¶
이 모듈은 APL, Haskell 및 SML의 구성물들에서 영감을 얻은 여러 이터레이터 빌딩 블록을 구현합니다. 각각을 파이썬에 적합한 형태로 개선했습니다.
이 모듈은 자체적으로 혹은 조합하여 유용한 빠르고 메모리 효율적인 도구의 핵심 집합을 표준화합니다. 함께 모여, 순수 파이썬에서 간결하고 효율적으로 특수화된 도구를 구성할 수 있도록 하는 “이터레이터 대수(iterator algebra)”를 형성합니다.
예를 들어, SML은 테이블 화 도구를 제공합니다: 시퀀스 f(0), f(1), ...를 생성하는 tabulate(f). map()과 count()를 결합하여 map(f, count())를 형성해서 파이썬에서도 같은 효과를 얻을 수 있습니다.
일반 이터레이터:
이터레이터 |
인자 |
결과 |
예 |
|---|---|---|---|
p [,func] |
p0, p0+p1, p0+p1+p2, … |
|
|
p, n |
(p0, p1, …, p_n-1), … |
|
|
p, q, … |
p0, p1, … plast, q0, q1, … |
|
|
iterable |
p0, p1, … plast, q0, q1, … |
|
|
data, selectors |
(d[0] if s[0]), (d[1] if s[1]), … |
|
|
[start[, step]] |
start, start+step, start+2*step, … |
|
|
p |
p0, p1, … plast, p0, p1, … |
|
|
predicate, seq |
seq[n], seq[n+1], 전제 조건이 실패할 때 시작 |
|
|
predicate, seq |
predicate(elem)이 거짓인 seq의 요소 |
|
|
iterable[, key] |
key(v)의 값으로 그룹화된 서브 이터레이터들 |
|
|
seq, [start,] stop [, step] |
seq[start:stop:step]의 요소들 |
|
|
iterable |
(p[0], p[1]), (p[1], p[2]) |
|
|
elem [,n] |
elem, elem, elem, … 끝없이 또는 최대 n 번 |
|
|
func, seq |
func(*seq[0]), func(*seq[1]), … |
|
|
predicate, seq |
seq[0], seq[1], predicate가 실패할 때까지 |
|
|
it, n |
it1, it2, … itn 하나의 이터레이터를 n개의 이터레이터로 나눕니다 |
|
|
p, q, … |
(p[0], q[0]), (p[1], q[1]), … |
|
조합형 이터레이터:
이터레이터 |
인자 |
결과 |
|---|---|---|
p, q, … [repeat=1] |
데카르트 곱(cartesian product), 중첩된 for 루프와 동등합니다 |
|
p[, r] |
r-길이 튜플들, 모든 가능한 순서, 반복되는 요소 없음 |
|
p, r |
r-길이 튜플들, 정렬된 순서, 반복되는 요소 없음 |
|
p, r |
r-길이 튜플들, 정렬된 순서, 반복되는 요소 있음 |
예 |
결과 |
|---|---|
|
|
|
|
|
|
|
|
이터툴 함수들¶
다음 함수들은 모두 이터레이터를 구성하고 반환합니다. 일부는 무한 길이를 제공하므로, 스트림을 잘라내는 함수나 루프에서만 액세스해야 합니다.
- itertools.accumulate(iterable[, function, *, initial=None])¶
누적 합계 또는 다른 이진 함수로부터 얻은 누적 결과를 반환하는 이터레이터를 만듭니다. 여러 중간 부분 합을 추적하여 정밀도 손실을 방지합니다.
function 은 추가(addition) 기본값을 사용합니다. function 은 누적된 총합과 iterable 의 값이라는 두 개의 인자를 받아야 합니다.
initial 값을 제공하면, 누적은 이 값으로 시작하며 출력은 입력 iterable보다 하나의 요소가 더 많습니다.
대략 다음과 동등합니다:
def accumulate(iterable, function=operator.add, *, initial=None): '누적 합계를 반환합니다' # accumulate([1,2,3,4,5]) → 1 3 6 10 15 # accumulate([1,2,3,4,5], initial=100) → 100 101 103 106 110 115 # accumulate([1,2,3,4,5], operator.mul) → 1 2 6 24 120 iterator = iter(iterable) total = initial if initial is None: try: total = next(iterator) except StopIteration: return yield total for element in iterator: total = function(total, element) yield total
누적 최솟값을 계산하려면 function 을
min()으로 설정합니다. 누적 최댓값의 경우, function 을max()으로 설정합니다. 또는 누적 곱의 경우, function 을operator.mul()로 설정합니다. 할부 상환표를 구축하려면 이자를 누적하고 지급액을 적용합니다:>>> data = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] >>> list(accumulate(data, max)) # 누적 최댓값 [3, 4, 6, 6, 6, 9, 9, 9, 9, 9] >>> list(accumulate(data, operator.mul)) # 누적 곱 [3, 12, 72, 144, 144, 1296, 0, 0, 0, 0] # 1000의 5% 대출을 90씩 10년간 상환 >>> update = lambda balance, payment: round(balance * 1.05) - payment >>> list(accumulate(repeat(90, 10), update, initial=1_000)) [1000, 960, 918, 874, 828, 779, 728, 674, 618, 559, 497]
최종 누적값만 반환하는 유사한 함수에 대해서는
functools.reduce()를 참조하십시오.Added in version 3.2.
버전 3.3에서 변경: 선택적 function 매개 변수가 추가되었습니다.
버전 3.8에서 변경: 선택적 initial 매개 변수를 추가했습니다.
- itertools.batched(iterable, n, *, strict=False)¶
iterable 에서 데이터를 길이 n 의 튜플로 배치합니다. 마지막 배치는 n 보다 짧을 수 있습니다.
strict 이 true이면, 최종 배치가 n 보다 짧을 경우
ValueError를 발생시킵니다.입력 iterable을 순회하며 데이터를 최대 크기 n 의 튜플로 누적합니다. 입력은 배치를 채우는 데 필요한 만큼만 지연적으로 소비됩니다. 결과는 배치가 가득 차거나 입력 iterable이 고갈되면 즉시 반환됩니다:
>>> flattened_data = ['roses', 'red', 'violets', 'blue', 'sugar', 'sweet'] >>> unflattened = list(batched(flattened_data, 2)) >>> unflattened [('roses', 'red'), ('violets', 'blue'), ('sugar', 'sweet')]
대략 다음과 동등합니다:
def batched(iterable, n, *, strict=False): # batched('ABCDEFG', 3) → ABC DEF G if n < 1: raise ValueError('n must be at least one') iterator = iter(iterable) while batch := tuple(islice(iterator, n)): if strict and len(batch) != n: raise ValueError('batched(): incomplete batch') yield batch
Added in version 3.12.
버전 3.13에서 변경: strict 옵션이 추가되었습니다.
- itertools.chain(*iterables)¶
Make an iterator that returns elements from the first iterable until it is exhausted, then proceeds to the next iterable, until all of the iterables are exhausted. This combines multiple data sources into a single iterator. Roughly equivalent to:
def chain(*iterables): # chain('ABC', 'DEF') → A B C D E F for iterable in iterables: yield from iterable
- classmethod chain.from_iterable(iterable)¶
chain()의 대체 생성자. 게으르게 평가되는 단일 이터러블 인자에서 연쇄 입력을 가져옵니다. 대략 다음과 동등합니다:def from_iterable(iterables): # chain.from_iterable(['ABC', 'DEF']) → A B C D E F for iterable in iterables: yield from iterable
- itertools.combinations(iterable, r)¶
입력 iterable에서 요소의 길이 r 서브 시퀀스들을 반환합니다.
출력은
product()의 서브 시퀀스로, iterable 의 서브 시퀀스인 항목만 유지합니다. 출력의 길이는0 ≤ r ≤ n일 때n! / r! / (n - r)!를 계산하는math.comb()으로 제공됩니다.The combination tuples are emitted in lexicographic order according to the order of the input iterable. If the input iterable is sorted, the output tuples will be produced in sorted order.
요소들은 값에 의해서가 아니라 위치를 기반으로 고유한 것으로 간주됩니다. 입력 요소가 고유하면, 각 조합 내에 반복되는 값은 없습니다.
대략 다음과 동등합니다:
def combinations(iterable, r): # combinations('ABCD', 2) → AB AC AD BC BD CD # combinations(range(4), 3) → 012 013 023 123 pool = tuple(iterable) n = len(pool) if r > n: return indices = list(range(r)) yield tuple(pool[i] for i in indices) while True: for i in reversed(range(r)): if indices[i] != i + n - r: break else: return indices[i] += 1 for j in range(i+1, r): indices[j] = indices[j-1] + 1 yield tuple(pool[i] for i in indices)
- itertools.combinations_with_replacement(iterable, r)¶
입력 iterable에서 요소의 길이 r 서브 시퀀스들을 반환하는데, 개별 요소를 두 번 이상 반복할 수 있습니다.
출력은 iterable 의 서브 시퀀스인 항목만 유지하는
product()의 서브 시퀀스입니다(가능한 반복 요소 포함). 반환되는 서브 시퀀스의 수는n > 0일 때(n + r - 1)! / r! / (n - 1)!입니다.결합 튜플은 입력 iterable 의 순서에 따라 사전을 각기 다른 순서로 방출합니다. 만약 입력 iterable 이 정렬되어 있다면, 출력 튜플도 정렬된 순서로 생성됩니다.
요소는 값(value)이 아닌 위치(position)를 기준으로 고유하게 취급됩니다. 입력 요소들이 고유하다면, 생성된 조합 또한 고유합니다.
대략 다음과 동등합니다:
def combinations_with_replacement(iterable, r): # combinations_with_replacement('ABC', 2) → AA AB AC BB BC CC pool = tuple(iterable) n = len(pool) if not n and r: return indices = [0] * r yield tuple(pool[i] for i in indices) while True: for i in reversed(range(r)): if indices[i] != n - 1: break else: return indices[i:] = [indices[i] + 1] * (r - i) yield tuple(pool[i] for i in indices)
Added in version 3.1.
- itertools.compress(data, selectors)¶
data*에서 *selectors*의 해당 요소가 참인 요소를 반환하는 이터레이터를 만듭니다. *data 또는 selectors 이터러블 중 하나가 고갈되면 멈춥니다. 대략 다음과 동등합니다:
def compress(data, selectors): # data와 selector를 zip으로 묶어, selector가 참인 데이터만 반환 return (datum for datum, selector in zip(data, selectors) if selector)
Added in version 3.1.
- itertools.count(start=0, step=1)¶
start 에서 시작하여 간격이 균등한 값을 반환하는 이터레이터를 만듭니다.
map()등과 함께 사용하여 연속적인 데이터 포인트를 생성하거나zip()과 함께 사용하여 시퀀스 번호를 추가하는 데 사용할 수 있습니다. 대략 다음과 동등합니다:def count(start=0, step=1): # count(10) → 10 11 12 13 14 ... # count(2.5, 0.5) → 2.5 3.0 3.5 ... n = start while True: yield n n += step
부동 소수점 숫자로 카운팅할 때는, 다음과 같은 곱셈 코드를 대입하여 때때로 더 나은 정확도를 얻을 수 있습니다:
(start + step * i for i in count())버전 3.1에서 변경: step 인자를 추가하고 정수가 아닌 인자를 허용했습니다.
- itertools.cycle(iterable)¶
iterable 의 요소를 반환하고 각 요소의 사본을 저장하는 이터레이터를 만듭니다. 이터러블이 고갈되면 저장된 사본의 요소를 반환합니다. 무한하게 반복합니다. 대략 다음과 동등합니다:
def cycle(iterable): # cycle('ABCD') → A B C D A B C D A B C D ... saved = [] for element in iterable: yield element saved.append(element) while saved: for element in saved: yield element
이 이터툴은 상당한 보조 저장 공간(iterable의 길이에 따라 다름)을 필요로 할 수 있습니다.
- itertools.dropwhile(predicate, iterable)¶
predicate 가 참인 동안 iterable 의 요소를 제거하고, 그 후에 모든 요소를 반환하는 이터레이터를 만듭니다. 대략 다음과 동등합니다:
def dropwhile(predicate, iterable): # dropwhile(lambda x: x<5, [1,4,6,3,8]) → 6 3 8 iterator = iter(iterable) for x in iterator: if not predicate(x): yield x break for x in iterator: yield x
이것은 predicate가 처음으로 거짓이 되기 전까지 어떠한 출력도 생성하지 않으므로, 이 이터툴은 긴 시작 시간이 소요될 수 있습니다.
- itertools.filterfalse(predicate, iterable)¶
iterable 의 요소 중 predicate 가 거짓 값을 반환하는 요소만 걸러내는 이터레이터를 만듭니다. predicate 가
None이면, 거짓인 항목을 반환합니다. 대략 다음과 동등합니다:def filterfalse(predicate, iterable): # filterfalse(lambda x: x<5, [1,4,6,3,8]) → 6 8 if predicate is None: predicate = bool for x in iterable: if not predicate(x): yield x
- itertools.groupby(iterable, key=None)¶
iterable에서 연속적인 키와 그룹을 반환하는 이터레이터를 만듭니다. key는 각 요소의 키값을 계산하는 함수입니다. 지정되지 않거나
None이면, key의 기본값은 항등함수(identity function)이고 요소를 변경하지 않고 반환합니다. 일반적으로, iterable은 같은 키 함수로 이미 정렬되어 있어야 합니다.groupby()의 작동은 유닉스의uniq필터와 유사합니다. 키 함수의 값이 변경될 때마다 중단(break)이나 새 그룹을 생성합니다 (이것이 일반적으로 같은 키 함수를 사용하여 데이터를 정렬해야 하는 이유입니다). 이 동작은 입력 순서와 관계없이 공통 요소를 집계하는 SQL의 GROUP BY와 다릅니다.반환되는 그룹 자체는
groupby()와 하부 이터러블(iterable)을 공유하는 이터레이터입니다. 소스가 공유되므로,groupby()객체가 진행하면, 이전 그룹은 이 더는 보이지 않게 됩니다. 따라서, 나중에 데이터가 필요하면, 리스트로 저장해야 합니다:groups = [] uniquekeys = [] data = sorted(data, key=keyfunc) for k, g in groupby(data, keyfunc): groups.append(list(g)) # 그룹 이터레이터를 리스트로 저장 uniquekeys.append(k)
groupby()는 대략 다음과 동등합니다:def groupby(iterable, key=None): # [k for k, g in groupby('AAAABBBCCDAABBB')] → A B C D A B # [list(g) for k, g in groupby('AAAABBBCCD')] → AAAA BBB CC D keyfunc = (lambda x: x) if key is None else key iterator = iter(iterable) exhausted = False def _grouper(target_key): nonlocal curr_value, curr_key, exhausted yield curr_value for curr_value in iterator: curr_key = keyfunc(curr_value) if curr_key != target_key: return yield curr_value exhausted = True try: curr_value = next(iterator) except StopIteration: return curr_key = keyfunc(curr_value) while not exhausted: target_key = curr_key curr_group = _grouper(target_key) yield curr_key, curr_group if curr_key == target_key: for _ in curr_group: pass
- itertools.islice(iterable, stop)¶
- itertools.islice(iterable, start, stop[, step])
선택된 요소를 반환하는 이터레이터를 만듭니다. 시퀀스 슬라이싱과 유사하게 작동하지만, start, stop, 또는 step 에 대해 음수 값을 지원하지 않습니다.
start 가 0이거나
None인 경우, 이터레이션은 0에서 시작합니다. 그렇지 않다면, iterable의 요소는 start 에 도달할 때까지 건너뜁니다.stop 이
None인 경우, 입력이 소진될 때까지 이터레이션이 계속됩니다 (소진한다면). 그렇지 않다면, 지정된 위치에서 멈춥니다.step 이
None인 경우, step의 기본값은 1입니다. step 이 1보다 높게 설정되어 항목이 건너뛰어지지 않는 한, 요소는 연속적으로 반환됩니다.대략 다음과 동등합니다:
def islice(iterable, *args): # islice('ABCDEFG', 2) → A B # islice('ABCDEFG', 2, 4) → C D # islice('ABCDEFG', 2, None) → C D E F G # islice('ABCDEFG', 0, None, 2) → A C E G s = slice(*args) start = 0 if s.start is None else s.start stop = s.stop step = 1 if s.step is None else s.step if start < 0 or (stop is not None and stop < 0) or step <= 0: raise ValueError indices = count() if stop is None else range(max(start, stop)) next_i = start for i, element in zip(indices, iterable): if i == next_i: yield element next_i += step
만약 입력이 이터레이터라면, islice*를 완전히 소모하는 것이 *step 값에 관계없이 입력 이터레이터를
max(start, stop)단계만큼 진행시킵니다.
- itertools.pairwise(iterable)¶
입력 iterable 에서 연속적이고 겹치는 쌍을 가져옵니다.
출력 이터레이터의 2-튜플 개수는 입력 개수보다 하나 적습니다. 입력 이터러블이 두 개 미만의 값을 가지면 빈 값이 됩니다.
대략 다음과 동등합니다:
def pairwise(iterable): # pairwise('ABCDEFG') → AB BC CD DE EF FG iterator = iter(iterable) a = next(iterator, None) for b in iterator: yield a, b a = b
Added in version 3.10.
- itertools.permutations(iterable, r=None)¶
iterable*에서 연속적인 *r 길이의 요소 조합 permutations of elements 을 반환합니다.
r이 지정되지 않았거나
None이면, r의 기본값은 iterable의 길이이며 가능한 모든 최대 길이 순열이 생성됩니다.출력은
product()의 서브시퀀스로, 반복되는 요소를 가진 항목들이 필터링되었습니다. 출력 길이는math.perm()으로 주어진데, 이는0 ≤ r ≤ n일 때n! / (n - r)!을 계산하고,r > n일 때 0을 계산합니다.순열 튜플은 입력 iterable 의 순서에 따라 사전에 각기 다른 순서로 방출됩니다. 만약 입력 iterable 가 정렬되어 있다면, 출력 튜플도 정렬된 순서로 생성됩니다.
요소는 값(value)이 아닌 위치(position)를 기준으로 고유하게 취급됩니다. 입력 요소들이 고유하다면, 순열 내에 반복되는 값이 존재하지 않습니다.
대략 다음과 동등합니다:
def permutations(iterable, r=None): # permutations('ABCD', 2) → AB AC AD BA BC BD CA CB CD DA DB DC # permutations(range(3)) → 012 021 102 120 201 210 pool = tuple(iterable) n = len(pool) r = n if r is None else r if r > n: return indices = list(range(n)) cycles = list(range(n, n-r, -1)) yield tuple(pool[i] for i in indices[:r]) while n: for i in reversed(range(r)): cycles[i] -= 1 if cycles[i] == 0: indices[i:] = indices[i+1:] + indices[i:i+1] cycles[i] = n - i else: j = cycles[i] indices[i], indices[-j] = indices[-j], indices[i] yield tuple(pool[i] for i in indices[:r]) break else: return
- itertools.product(*iterables, repeat=1)¶
입력 이터러블들의 데카르트 곱 <https://en.wikipedia.org/wiki/Cartesian_product>_입니다.
대략 제너레이터 표현식에서의 중첩된 for-루프와 동등합니다. 예를 들어,
product(A, B)는((x,y) for x in A for y in B)와 같은 것을 반환합니다.중첩된 루프는 매 이터레이션마다 가장 오른쪽 요소가 진행되는 주행 거리계처럼 순환합니다. 이 패턴은 사전식 순서를 만들어서 입력의 이터러블들이 정렬되어 있다면, 곱(product) 튜플이 정렬된 순서로 방출됩니다.
이터러블의 자신과의 곱을 계산하려면, 선택적 repeat 키워드 인자를 사용하여 반복 횟수를 지정하십시오. 예를 들어,
product(A, repeat=4)는product(A, A, A, A)와 같은 것을 뜻합니다.이 함수는 실제 구현이 메모리에 중간 결과를 쌓지 않는다는 점을 제외하고 다음 코드와 대략 동등합니다:
def product(*iterables, repeat=1): # product('ABCD', 'xy') → Ax Ay Bx By Cx Cy Dx Dy # product(range(2), repeat=3) → 000 001 010 011 100 101 110 111 if repeat < 0: raise ValueError('repeat argument cannot be negative') pools = [tuple(pool) for pool in iterables] * repeat result = [[]] for pool in pools: result = [x+[y] for x in result for y in pool] for prod in result: yield tuple(prod)
product()가 실행되기 전에, 입력 이터러블을 완전히 소비하여, 곱을 생성하기 위해 값의 풀(pool)을 메모리에 유지합니다. 따라서, 유한 입력에만 유용합니다.
- itertools.repeat(object[, times])¶
object*를 계속 반복하여 반환하는 이터레이터를 만듭니다. *times 인자가 지정되지 않으면 무한히 실행됩니다.
대략 다음과 동등합니다:
def repeat(object, times=None): # repeat(10, 3) → 10 10 10 if times is None: while True: yield object else: for i in range(times): yield object
repeat 의 일반적인 사용 사례는 map 또는 zip 에 상수 값 스트림을 공급하는 것입니다:
>>> list(map(pow, range(10), repeat(2))) [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
- itertools.starmap(function, iterable)¶
iterable 에서 얻은 인수를 사용하여 function 을 계산하는 이터레이터를 만듭니다. 이는 인수가 이미 튜플로 “사전 지퍼링”된 경우
map()대신 사용합니다.map()과starmap()의 차이점은function(a,b)와function(*c)의 구분을 반영합니다. 대략 다음과 동등합니다:def starmap(function, iterable): # starmap(pow, [(2,5), (3,2), (10,3)]) → 32 9 1000 for args in iterable: yield function(*args)
- itertools.takewhile(predicate, iterable)¶
predicate 가 참인 동안 iterable 의 요소를 반환하는 이터레이터를 만듭니다. 대략 다음과 동등합니다:
def takewhile(predicate, iterable): # takewhile(lambda x: x<5, [1,4,6,3,8]) → 1 4 for x in iterable: if not predicate(x): break yield x
참고, predicate 조건을 처음 만족하지 못하는 요소는 입력 이터레이터에서 소비되며 이를 액세스할 방법이 없습니다. 이 문제 문제는 애플리케이션이 takewhile 이 소진될 때까지 입력 이터레이터를 계속 소비하려고 하는 경우일 수 있습니다. 이 문제를 해결하기 위해 대신 more_-itertools before_and_after() 를 사용하는 것을 고려하십시오.
- itertools.tee(iterable, n=2)¶
단일 iterable에서 n 개의 독립 이터레이터를 반환합니다.
대략 다음과 동등합니다:
def tee(iterable, n=2): if n < 0: raise ValueError if n == 0: return () iterator = _tee(iterable) result = [iterator] for _ in range(n - 1): result.append(_tee(iterator)) return tuple(result) class _tee: def __init__(self, iterable): it = iter(iterable) if isinstance(it, _tee): self.iterator = it.iterator self.link = it.link else: self.iterator = it self.link = [None, None] def __iter__(self): return self def __next__(self): link = self.link if link[1] is None: link[0] = next(self.iterator) link[1] = [None, None] value, self.link = link return value
입력 iterable 가 이미 tee 이터레이터 객체인 경우, 반환 튜플의 모든 멤버는 업스트림
tee()호출에 의해 생성된 것처럼 구성됩니다. 이 “평탄화 단계”는 중첩된tee()호출들이 동일한 기본 데이터 체인을 공유하고 호출의 체인이 아닌 단일 업데이트 단계를 갖도록 허용합니다.평탄화 속성은 tee 이터레이터를 효율적으로 엿볼 수 있게 합니다:
def lookahead(tee_iterator): "Return the next value without moving the input forward" [forked_iterator] = tee(tee_iterator, 1) return next(forked_iterator)
>>> iterator = iter('abcdef') >>> [iterator] = tee(iterator, 1) # 입력이 눈으로 확인할 수 있게 됨 >>> next(iterator) # 이터레이터를 앞으로 이동 'a' >>> lookahead(iterator) # 다음 값 확인 'b' >>> next(iterator) # 계속 전진 'b'
teeiterators are not threadsafe. ARuntimeErrormay be raised when simultaneously using iterators returned by the sametee()call, even if the original iterable is threadsafe.이 이터레이터 도구에는 상당한 보조 기억 장치가 필요할 수 있습니다 (일시적으로 저장해야 하는 데이터양에 따라 다릅니다). 일반적으로, 다른 이터레이터가 시작하기 전에 하나의 이터레이터가 대부분이나 모든 데이터를 사용하면,
tee()대신list()를 사용하는 것이 더 빠릅니다.
- itertools.zip_longest(*iterables, fillvalue=None)¶
각 iterables 의 요소들을 취합하는 이터레이터를 만듭니다.
이터레이블들의 길이가 불규칙하면, 누락된 값은 fillvalue 로 채워집니다. 지정하지 않으면, fillvalue 는
None의 기본값을 갖습니다.이터레이션은 가장 긴 이터레이터가 고갈될 때까지 계속됩니다.
대략 다음과 동등합니다:
def zip_longest(*iterables, fillvalue=None): # zip_longest('ABCD', 'xy', fillvalue='-') → Ax By C- D- iterators = list(map(iter, iterables)) num_active = len(iterators) if not num_active: return while True: values = [] for i, iterator in enumerate(iterators): try: value = next(iterator) except StopIteration: num_active -= 1 if not num_active: return iterators[i] = repeat(fillvalue) value = fillvalue values.append(value) yield tuple(values)
만약 이터러블 중 하나가 잠재적으로 무한하다면,
zip_longest()함수는 호출 횟수를 제한하는 무언가(예를 들어islice()또는takewhile())로 래핑되어야 합니다.
Itertools 조리법¶
이 섹션에서는 기존 itertools를 빌딩 블록으로 사용하여 확장 도구 집합을 만드는 방법을 보여줍니다.
itertools recipes의 주된 목적은 교육적입니다. 레시피는 개별 도구에 대해 생각할 수 있는 다양한 방법을 보여줍니다. 예를 들어, chain.from_iterable 가 평탄화 개념과 관련되어 있다는 것입니다. 레시피는 또한 도구들을 결합할 수 있는 방법에 대한 아이디어도 제공합니다. 예를 들어, starmap() 과 repeat() 가 어떻게 함께 작동할 수 있는지입니다. 레시피는 또한 map() , filter() , reversed() , 그리고 enumerate() 와 같은 내장 itertools뿐만 아니라 operator 및 collections 모듈을 사용할 때 itertools를 사용하는 패턴 또한 보여줍니다.
레시피의 부차적인 목적은 인큐베이터 역할을 하는 것입니다. accumulate(), compress(), 및 pairwise() itertools는 레시피로 시작되었습니다. 현재, sliding_window(), derangements(), 및 sieve() 레시피는 가치 입증 여부를 테스트하고 있습니다.
이 레시피의 거의 모든 것과 매우 많은 다른 것들은 Python Package Index에서 찾을 수 있는 more-itertools 프로젝트에서 설치할 수 있습니다:
python -m pip install more-itertools
많은 레시피는 기본 도구 세트와 동일한 높은 성능을 제공합니다. 우수한 메모리 성능은 전체 iterable 을 한 번에 메모리에 가져오는 대신 요소를 하나씩 처리함으로써 유지됩니다. 코드 볼륨은 도구들을 functional style <https://www.cs.kent.ac.uk/people/staff/dat/miranda/whyfp90.pdf> 로 연결하여 작게 유지됩니다. 높은 속도는 for-루프의 사용과 인터프리터 오버헤드를 초래하는 generators 보다 “벡터화된” 빌딩 블록을 선호함으로써 유지됩니다.
from itertools import (accumulate, batched, chain, combinations, compress,
count, cycle, filterfalse, groupby, islice, permutations, product,
repeat, starmap, tee, zip_longest)
from collections import Counter, deque
from contextlib import suppress
from functools import reduce
from heapq import heappush, heappushpop, heappush_max, heappushpop_max
from math import comb, isqrt, prod, sumprod
from operator import getitem, is_not, itemgetter, mul, neg, truediv
# ==== 기본 한 줄 함수들 ====
def take(n, iterable):
"반복 가능 객체의 처음 n개 항목을 리스트로 반환합니다."
return list(islice(iterable, n))
def prepend(value, iterable):
"반복 가능 객체의 앞에 단일 값을 추가합니다."
# prepend(1, [2, 3, 4]) → 1 2 3 4
return chain([value], iterable)
def repeatfunc(function, times=None, *args):
"지정된 인자로 함수 호출을 반복합니다."
if times is None:
return starmap(function, repeat(args))
return starmap(function, repeat(args, times))
def flatten(list_of_lists):
"중첩을 한 수준 평탄화합니다."
return chain.from_iterable(list_of_lists)
def ncycles(iterable, n):
"시퀀스 요소를 n번 반복하여 반환합니다."
return chain.from_iterable(repeat(tuple(iterable), n))
def loops(n):
"n번 루프를 돕니다. range(n)과 비슷하지만 정수를 생성하지 않습니다."
# for _ in loops(100): ...
return repeat(None, n)
def tail(n, iterable):
"마지막 n개 항목에 대한 이터레이터를 반환합니다."
# tail(3, 'ABCDEFG') → E F G
return iter(deque(iterable, maxlen=n))
def consume(iterator, n=None):
"이터레이터를 n단계 앞으로 전진시킵니다. n이 None이면 완전히 소모합니다."
# C 속도로 이터레이터를 소모하는 함수를 사용합니다.
if n is None:
deque(iterator, maxlen=0)
else:
next(islice(iterator, n, n), None)
def nth(iterable, n, default=None):
"n번째 항목 또는 기본값을 반환합니다."
return next(islice(iterable, n, None), default)
def quantify(iterable, predicate=bool):
"True 또는 False를 반환하는 서술자가 주어지면, True 결과의 개수를 셉니다."
return sum(map(predicate, iterable))
def first_true(iterable, default=False, predicate=None):
"첫 번째 참(true) 값을 반환하거나 참 값이 없으면 *기본값*을 반환합니다."
# first_true([a, b, c], x) → a or b or c or x
# first_true([a, b], x, f) → a if f(a) else b if f(b) else x
return next(filter(predicate, iterable), default)
def all_equal(iterable, key=None):
"모든 요소가 서로 같으면 True를 반환합니다."
# all_equal('4٤௪౪໔', key=int) → True
return len(take(2, groupby(iterable, key))) <= 1
# ==== 데이터 파이프라인 ====
def unique_justseen(iterable, key=None):
"순서를 유지하면서 고유한 요소를 생성합니다. 방금 본 요소만 기억합니다."
# unique_justseen('AAAABBBCCDAABBB') → A B C D A B
# unique_justseen('ABBcCAD', str.casefold) → A B c A D
if key is None:
return map(itemgetter(0), groupby(iterable))
return map(next, map(itemgetter(1), groupby(iterable, key)))
def unique_everseen(iterable, key=None):
"순서를 유지하면서 고유한 요소를 생성합니다. 지금까지 본 모든 요소를 기억합니다."
# unique_everseen('AAAABBBCCDAABBB') → A B C D
# unique_everseen('ABBcCAD', str.casefold) → A B c D
seen = set()
if key is None:
for element in filterfalse(seen.__contains__, iterable):
seen.add(element)
yield element
else:
for element in iterable:
k = key(element)
if k not in seen:
seen.add(k)
yield element
def unique(iterable, key=None, reverse=False):
"정렬된 순서로 고유한 요소를 생성합니다. 해시 불가능한 입력도 지원합니다."
# unique([[1, 2], [3, 4], [1, 2]]) → [1, 2] [3, 4]
sequenced = sorted(iterable, key=key, reverse=reverse)
return unique_justseen(sequenced, key=key)
def sliding_window(iterable, n):
"데이터를 겹치는 고정 길이 청크 또는 블록으로 수집합니다."
# sliding_window('ABCDEFG', 3) → ABC BCD CDE DEF EFG
iterator = iter(iterable)
window = deque(islice(iterator, n - 1), maxlen=n)
for x in iterator:
window.append(x)
yield tuple(window)
def grouper(iterable, n, *, incomplete='fill', fillvalue=None):
"데이터를 겹치지 않는 고정 길이 청크 또는 블록으로 수집합니다."
# grouper('ABCDEFG', 3, fillvalue='x') → ABC DEF Gxx
# grouper('ABCDEFG', 3, incomplete='strict') → ABC DEF ValueError
# grouper('ABCDEFG', 3, incomplete='ignore') → ABC DEF
iterators = [iter(iterable)] * n
match incomplete:
case 'fill':
return zip_longest(*iterators, fillvalue=fillvalue)
case 'strict':
return zip(*iterators, strict=True)
case 'ignore':
return zip(*iterators)
case _:
raise ValueError('Expected fill, strict, or ignore')
def roundrobin(*iterables):
"각 입력 반복 가능 객체가 소진될 때까지 순환하며 방문합니다."
# roundrobin('ABC', 'D', 'EF') → A D E B F C
# George Sakkis가 제안한 알고리즘
iterators = map(iter, iterables)
for num_active in range(len(iterables), 0, -1):
iterators = cycle(islice(iterators, num_active))
yield from map(next, iterators)
def subslices(seq):
"시퀀스의 비어 있지 않은 모든 연속된 부분 슬라이스를 반환합니다."
# subslices('ABCD') → A AB ABC ABCD B BC BCD C CD D
slices = starmap(slice, combinations(range(len(seq) + 1), 2))
return map(getitem, repeat(seq), slices)
def derangements(iterable, r=None):
"고정점이 없는 r 길이의 순열을 생성합니다."
# derangements('ABCD') → BADC BCDA BDAC CADB CDAB CDBA DABC DCAB DCBA
# Stefan Pochmann이 제안한 알고리즘
seq = tuple(iterable)
pos = tuple(range(len(seq)))
have_moved = map(map, repeat(is_not), repeat(pos), permutations(pos, r=r))
valid_derangements = map(all, have_moved)
return compress(permutations(seq, r=r), valid_derangements)
def iter_index(iterable, value, start=0, stop=None):
"시퀀스 또는 반복 가능 객체에서 값이 나타나는 인덱스를 반환합니다."
# iter_index('AABCADEAF', 'A') → 0 1 4 7
seq_index = getattr(iterable, 'index', None)
if seq_index is None:
iterator = islice(iterable, start, stop)
for i, element in enumerate(iterator, start):
if element is value or element == value:
yield i
else:
stop = len(iterable) if stop is None else stop
i = start
with suppress(ValueError):
while True:
yield (i := seq_index(value, i, stop))
i += 1
def iter_except(function, exception, first=None):
"예외가 발생할 때까지 호출하는 인터페이스를 이터레이터 인터페이스로 변환합니다."
# iter_except(d.popitem, KeyError) → non-blocking dictionary iterator
with suppress(exception):
if first is not None:
yield first()
while True:
yield function()
# ==== 수학 연산 ====
def multinomial(*counts):
"멀티셋의 서로 다른 배열의 수."
# Counter('abracadabra').values() → 5 2 2 1 1
# multinomial(5, 2, 2, 1, 1) → 83160
return prod(map(comb, accumulate(counts), counts))
def powerset(iterable):
"반복 가능 객체의 부분 시퀀스를 짧은 것부터 긴 것 순으로 반환합니다."
# powerset([1,2,3]) → () (1,) (2,) (3,) (1,2) (1,3) (2,3) (1,2,3)
s = list(iterable)
return chain.from_iterable(combinations(s, r) for r in range(len(s)+1))
def sum_of_squares(iterable):
"입력 값들의 제곱의 합을 구합니다."
# sum_of_squares([10, 20, 30]) → 1400
return sumprod(*tee(iterable))
# ==== 행렬 연산 ====
def reshape(matrix, columns):
"2차원 행렬을 지정된 열 개수를 갖도록 재구성합니다."
# reshape([(0, 1), (2, 3), (4, 5)], 3) → (0, 1, 2) (3, 4, 5)
return batched(chain.from_iterable(matrix), columns, strict=True)
def transpose(matrix):
"2차원 행렬의 행과 열을 바꿉니다 (전치)."
# transpose([(1, 2, 3), (11, 22, 33)]) → (1, 11) (2, 22) (3, 33)
return zip(*matrix, strict=True)
def matmul(m1, m2):
"두 행렬을 곱합니다."
# matmul([(7, 5), (3, 5)], [(2, 5), (7, 9)]) → (49, 80) (41, 60)
n = len(m2[0])
return batched(starmap(sumprod, product(m1, transpose(m2))), n)
# ==== 다항식 산술 ====
def convolve(signal, kernel):
"""두 반복 가능 객체의 이산 선형 컨볼루션(convolution).
다항식 곱셈과 동일합니다.
컨볼루션은 수학적으로 교환 법칙이 성립하지만, 입력은 서로 다르게
평가됩니다. signal은 지연 평가(lazily) 방식으로 소모되며 무한할 수 있습니다.
kernel은 계산이 시작되기 전에 완전히 소모됩니다.
참고 문서: https://betterexplained.com/articles/intuitive-convolution/
동영상: https://www.youtube.com/watch?v=KuXjwB4LzSA
"""
# convolve([1, -1, -20], [1, -3]) → 1 -4 -17 60
# convolve(data, [0.25, 0.25, 0.25, 0.25]) → Moving average (blur)
# convolve(data, [1/2, 0, -1/2]) → 1st derivative estimate
# convolve(data, [1, -2, 1]) → 2nd derivative estimate
kernel = tuple(kernel)[::-1]
n = len(kernel)
padded_signal = chain(repeat(0, n-1), signal, repeat(0, n-1))
windowed_signal = sliding_window(padded_signal, n)
return map(sumprod, repeat(kernel), windowed_signal)
def polynomial_from_roots(roots):
"""뿌리(roots)로부터 다항식의 계수를 계산합니다.
(x - 5) (x + 4) (x - 3) 는 다음과 같이 전개됩니다: x³ -4x² -17x + 60
"""
# polynomial_from_roots([5, -4, 3]) → [1, -4, -17, 60]
factors = zip(repeat(1), map(neg, roots))
return list(reduce(convolve, factors, [1]))
def polynomial_eval(coefficients, x):
"""특정 값에서 다항식을 평가합니다.
Horner의 방법보다 더 나은 수치적 안정성으로 계산합니다.
"""
# x³ -4x² -17x + 60 를 x = 5 에서 평가
# polynomial_eval([1, -4, -17, 60], x=5) → 0
n = len(coefficients)
if not n:
return type(x)(0)
powers = map(pow, repeat(x), reversed(range(n)))
return sumprod(coefficients, powers)
def polynomial_derivative(coefficients):
"""다항식의 1차 도함수를 계산합니다.
f(x) = x³ -4x² -17x + 60
f'(x) = 3x² -8x -17
"""
# polynomial_derivative([1, -4, -17, 60]) → [3, -8, -17]
n = len(coefficients)
powers = reversed(range(1, n))
return list(map(mul, coefficients, powers))
# ==== 정수론 ====
def sieve(n):
"n보다 작은 소수들."
# sieve(30) → 2 3 5 7 11 13 17 19 23 29
if n > 2:
yield 2
data = bytearray((0, 1)) * (n // 2)
for p in iter_index(data, 1, start=3, stop=isqrt(n) + 1):
data[p*p : n : p+p] = bytes(len(range(p*p, n, p+p)))
yield from iter_index(data, 1, start=3)
def factor(n):
"n의 소인수."
# factor(99) → 3 3 11
# factor(1_000_000_000_000_007) → 47 59 360620266859
# factor(1_000_000_000_000_403) → 1000000000000403
for prime in sieve(isqrt(n) + 1):
while not n % prime:
yield prime
n //= prime
if n == 1:
return
if n > 1:
yield n
def is_prime(n):
"n이 소수이면 True를 반환합니다."
# is_prime(1_000_000_000_000_403) → True
return n > 1 and next(factor(n)) == n
def totient(n):
"n까지의 자연수 중 n과 서로소인 수의 개수."
# https://mathworld.wolfram.com/TotientFunction.html
# totient(12) → 4 because len([1, 5, 7, 11]) == 4
for prime in set(factor(n)):
n -= n // prime
return n
# ==== 누적 통계 ====
def running_mean(iterable):
"지금까지 본 값들의 평균."
# running_mean([37, 33, 38, 28]) → 37 35 36 34
return map(truediv, accumulate(iterable), count(1))
def running_min(iterable):
"지금까지 본 값들 중 최솟값."
# running_min([37, 33, 38, 28]) → 37 33 33 28
return accumulate(iterable, func=min)
def running_max(iterable):
"지금까지 본 값들 중 최댓값."
# running_max([37, 33, 38, 28]) → 37 37 38 38
return accumulate(iterable, func=max)
def running_median(iterable):
"지금까지 본 값들의 중앙값."
# running_median([37, 33, 38, 28]) → 37 35 37 35
read = iter(iterable).__next__
lo = [] # max-heap
hi = [] # min-heap lo와 같거나 하나 작음
with suppress(StopIteration):
while True:
heappush_max(lo, heappushpop(hi, read()))
yield lo[0]
heappush(hi, heappushpop_max(lo, read()))
yield (lo[0] + hi[0]) / 2
def running_statistics(iterable):
"지금까지 본 값들에 대한 종합 통계."
# 튜플 생성: (크기, 최솟값, 중앙값, 최댓값, 평균)
t0, t1, t2, t3 = tee(iterable, 4)
return zip(
count(1),
running_min(t0),
running_median(t1),
running_max(t2),
running_mean(t3),
)