您好,登錄后才能下訂單哦!
這篇文章主要介紹了大數(shù)據(jù)開發(fā)中itertools.chain()函數(shù)怎么用,具有一定借鑒價(jià)值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
你想在多個(gè)對(duì)象執(zhí)行相同的操作,但是這些對(duì)象在不同的容器中,你希望代碼在不失可讀性的情況下避免寫重復(fù)的循環(huán)
from itertools import chain a = [1, 2, 3, 4] b = ['x', 'y', 'z'] for x in chain(a, b): print(x) 1 2 3 4 x y z
好處:如果采用a+b的方式遍歷,那么要求a和b的類型一致,如果數(shù)據(jù)再大一點(diǎn)會(huì),會(huì)消耗內(nèi)存,而chain是通過(guò)創(chuàng)建迭代器,依次返回可迭代對(duì)象的元素
list_of_numbers = [[1, 2], [3], []] import itertools chain = itertools.chain(*list_of_numbers)
第一種比較簡(jiǎn)單,直接采用 list 方法,如下所示:
list(chain)
但缺點(diǎn)有兩個(gè):
會(huì)在外層多嵌套一個(gè)列表
效率并不高
第二個(gè)就是利用 numpy 庫(kù)的方法 np.fromiter ,示例如下:
>>> import numpy as np >>> from itertools import chain >>> list_of_numbers = [[1, 2], [3], []] >>> np.fromiter(chain(*list_of_numbers), dtype=int) array([1, 2, 3])
對(duì)比兩種方法的運(yùn)算時(shí)間,如下所示:
>>> list_of_numbers = [[1, 2]*1000, [3]*1000, []]*1000 >>> np.fromiter(chain(*list_of_numbers), dtype=int) 10 loops, best of 3: 103 ms per loop >>> np.array(list(chain(*list_of_numbers))) 1 loops, best of 3: 199 ms per loop
可以看到采用 numpy 方法的運(yùn)算速度會(huì)更快。
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“大數(shù)據(jù)開發(fā)中itertools.chain()函數(shù)怎么用”這篇文章對(duì)大家有幫助,同時(shí)也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。