基于另一个生成器的生成器

Question

我的任务实际上很简单，但我不知道如何实现它。我打算在我的 ML 算法中使用它，但让我们简化示例。假设有一个像下面这样的生成器：

nums = ((i+1) for i in range(4))

以上内容将产生1、2、3 和4。

假设上述生成器返回单个“样本”。我想编写一个生成器方法来批量处理它们。假设批量大小为2。所以如果调用这个新方法：

def batch_generator(batch_size):
    do something on nums
    yield batches of size batch_size

然后这个批处理生成器的输出将是：1 和 2，然后是 3 和 4。元组/列表无关紧要。重要的是如何退回这些批次。我找到了 Python 3.3 中引入的这个 yield from 关键字，但在我的情况下它似乎没有用。

很明显，如果我们有5 nums 而不是4，并且batch_size 是2，我们将省略第一个生成器的最后一个生成值。

Answer 1

我自己的解决方案可能是，

nums = (i+1 for i in range(4))

def giveBatch(gen, numOfItems):
    try:
        return [next(gen) for i in range(numOfItems)]
    except StopIteration:
        pass

giveBatch(nums, 2)
# [1, 2]
giveBatch(nums, 2)
# [3, 4]

---

另一个解决方案是使用@Bharel 提到的grouper。我比较了运行这两种解决方案所需的时间。没有太大区别。估计可以忽略。

from timeit import timeit

def wrapper(func, *args, **kwargs):
    def wrapped():
        return func(*args, **kwargs)
    return wrapped

nums = (i+1 for i in range(1000000))

wrappedGiveBatch = wrapper(giveBatch, nums, 2)
timeit(wrappedGiveBatch, number=1000000)
# ~ 0.998439

wrappedGrouper = wrapper(grouper, nums, 2)
timeit(wrappedGrouper, number=1000000)
# ~ 0.734342

Answer 2

在itertools 下，您有一个代码 sn-p 可以做到这一点：

from itertools import zip_longest

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

您不必每次都调用一个方法，而是有一个迭代器，它可以返回批次，效率更高、速度更快，并且可以处理诸如过早用完数据等极端情况而不会丢失数据。

Answer 3

这正是我需要的：

def giveBatch(numOfItems):
    nums = (i+1 for i in range(7))

    while True:
        yield [next(nums) for i in range(numOfItems)]