在python中每n个项目拆分一个生成器/可迭代（splitEvery）

Question

我正在尝试用 Python 编写 Haskell 函数“splitEvery”。这是它的定义：

splitEvery :: Int -> [e] -> [[e]]
    @'splitEvery' n@ splits a list into length-n pieces.  The last
    piece will be shorter if @n@ does not evenly divide the length of
    the list.

它的基本版本可以正常工作，但我想要一个可以与生成器表达式、列表和迭代器一起使用的版本。 而且，如果有一个生成器作为输入，它应该返回一个生成器作为输出！

测试

# should not enter infinite loop with generators or lists
splitEvery(itertools.count(), 10)
splitEvery(range(1000), 10)

# last piece must be shorter if n does not evenly divide
assert splitEvery(5, range(9)) == [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

# should give same correct results with generators
tmp = itertools.islice(itertools.count(), 10)
assert list(splitEvery(5, tmp)) == [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

当前实施

这是我目前拥有的代码，但它不适用于简单的列表。

def splitEvery_1(n, iterable):
    res = list(itertools.islice(iterable, n))
    while len(res) != 0:
        yield res
        res = list(itertools.islice(iterable, n))

这个不适用于生成器表达式（感谢 jellybean 修复它）：

def splitEvery_2(n, iterable): 
    return [iterable[i:i+n] for i in range(0, len(iterable), n)]

必须有一段简单的代码来进行拆分。我知道我可以拥有不同的功能，但它似乎应该很容易做到。我可能陷入了一个不重要的问题，但这真的让我很烦恼。

---

它类似于http://docs.python.org/library/itertools.html#itertools.groupby 的 grouper，但我不希望它填充额外的值。

def grouper(n, iterable, fillvalue=None):
    "grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return izip_longest(fillvalue=fillvalue, *args)

它确实提到了一种截断最后一个值的方法。这也不是我想要的。

保证迭代的从左到右的评估顺序。这使得使用 izip(*[iter(s)]*n) 将数据系列聚类为 n 长度组成为可能。

list(izip(*[iter(range(9))]*5)) == [[0, 1, 2, 3, 4]]
# should be [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

Answer 1

from itertools import islice

def split_every(n, iterable):
    i = iter(iterable)
    piece = list(islice(i, n))
    while piece:
        yield piece
        piece = list(islice(i, n))

一些测试：

>>> list(split_every(5, range(9)))
[[0, 1, 2, 3, 4], [5, 6, 7, 8]]

>>> list(split_every(3, (x**2 for x in range(20))))
[[0, 1, 4], [9, 16, 25], [36, 49, 64], [81, 100, 121], [144, 169, 196], [225, 256, 289], [324, 361]]

>>> [''.join(s) for s in split_every(6, 'Hello world')]
['Hello ', 'world']

>>> list(split_every(100, []))
[]

Answer 2

这是一个快速的单行版本。和 Haskell 一样，它是懒惰的。

from itertools import islice, takewhile, repeat
split_every = (lambda n, it:
    takewhile(bool, (list(islice(it, n)) for _ in repeat(None))))

这要求您在调用split_every之前使用iter。

例子：

list(split_every(5, iter(xrange(9))))
[[0, 1, 2, 3, 4], [5, 6, 7, 8]]

虽然不是单行版本，但以下版本并不要求您致电 iter，这可能是一个常见的陷阱。

from itertools import islice, takewhile, repeat

def split_every(n, iterable):
    """
    Slice an iterable into chunks of n elements
    :type n: int
    :type iterable: Iterable
    :rtype: Iterator
    """
    iterator = iter(iterable)
    return takewhile(bool, (list(islice(iterator, n)) for _ in repeat(None)))

（感谢@eli-korvigo 的改进。）

Answer 3

基于已接受的答案并采用鲜为人知的 iter 用法（即，当传递第二个 arg 时，它会调用第一个直到收到第二个），您可以很容易地做到这一点：

python3：

from itertools import islice

def split_every(n, iterable):
    iterable = iter(iterable)
    yield from iter(lambda: list(islice(iterable, n)), [])

python2：

def split_every(n, iterable):
    iterable = iter(iterable)
    for chunk in iter(lambda: list(islice(iterable, n)), []):
        yield chunk

Answer 4

more_itertools 有一个chunked 函数：

import more_itertools as mit


list(mit.chunked(range(9), 5))
# [[0, 1, 2, 3, 4], [5, 6, 7, 8]]

Answer 5

我在尝试拆分批次时遇到了这个问题，但是在流中的生成器上执行此操作，因此这里的大多数解决方案都不适用，或者在 python 3 中不起作用。

对于仍然遇到这个问题的人，这里有一个使用 itertools 的通用解决方案：

from itertools import islice, chain

def iter_in_slices(iterator, size=None):
    while True:
        slice_iter = islice(iterator, size)
        # If no first object this is how StopIteration is triggered
        peek = next(slice_iter)
        # Put the first object back and return slice
        yield chain([peek], slice_iter)

Answer 6

对此的单行、可内联解决方案（支持 v2/v3、迭代器、使用标准库和单个生成器理解）：

import itertools
def split_groups(iter_in, group_size):
     return ((x for _, x in item) for _, item in itertools.groupby(enumerate(iter_in), key=lambda x: x[0] // group_size))

Answer 7

我认为those questions 几乎相等

稍微改变一下以裁剪最后一个，我认为生成器案例的一个很好的解决方案是：

from itertools import *
def iter_grouper(n, iterable):
    it = iter(iterable)
    item = itertools.islice(it, n)
    while item:
        yield item
        item = itertools.islice(it, n)

对于支持切片的对象（列表、字符串、元组），我们可以这样做：

def slice_grouper(n, sequence):
   return [sequence[i:i+n] for i in range(0, len(sequence), n)]

现在只需调度正确的方法：

def grouper(n, iter_or_seq):
    if hasattr(iter_or_seq, "__getslice__"):
        return slice_grouper(n, iter_or_seq)
    elif hasattr(iter_or_seq, "__iter__"):
        return iter_grouper(n, iter_or_seq)

我认为你可以再润色一点:-)

Answer 8

为什么不这样做呢？看起来几乎像您的 splitEvery_2 函数。

def splitEveryN(n, it):
    return [it[i:i+n] for i in range(0, len(it), n)]

实际上，它只是消除了解决方案中切片中不必要的步长间隔。 :)

Answer 9

这是一个适用于列表和生成器的答案：

from itertools import count, groupby
def split_every(size, iterable):
    c = count()
    for k, g in groupby(iterable, lambda x: next(c)//size):
        yield list(g) # or yield g if you want to output a generator

Answer 10

以下是您如何处理列表与迭代器：

def isList(L): # Implement it somehow - returns True or false
...
return (list, lambda x:x)[int(islist(L))](result)

Answer 11

def chunks(iterable,n):
    """assumes n is an integer>0
    """
    iterable=iter(iterable)
    while True:
        result=[]
        for i in range(n):
            try:
                a=next(iterable)
            except StopIteration:
                break
            else:
                result.append(a)
        if result:
            yield result
        else:
            break

g1=(i*i for i in range(10))
g2=chunks(g1,3)
print g2
'<generator object chunks at 0x0337B9B8>'
print list(g2)
'[[0, 1, 4], [9, 16, 25], [36, 49, 64], [81]]'

Answer 12

这样就可以了

from itertools import izip_longest
izip_longest(it[::2], it[1::2])

其中 *it* 是一些可迭代的

---

例子：

izip_longest('abcdef'[::2], 'abcdef'[1::2]) -> ('a', 'b'), ('c', 'd'), ('e', 'f')

让我们分解一下

'abcdef'[::2] -> 'ace'
'abcdef'[1::2] -> 'bdf'

如您所见，切片中的最后一个数字指定了用于拾取物品的间隔。您可以阅读有关使用扩展切片的更多信息here。

zip 函数从第一个可迭代对象中获取第一项，并将其与具有第二个可迭代对象的第一项结合起来。然后 zip 函数对第二项和第三项执行相同的操作，直到其中一个可迭代项用完值。

结果是一个迭代器。如果你想要一个列表，请在结果上使用 list() 函数。

Answer 13

如果你想要一个解决方案

• 仅使用生成器（无中间列表或元组），
• 适用于非常长（或无限）的迭代器，
• 适用于非常大的批量，

这就是诀窍：

def one_batch(first_value, iterator, batch_size):
    yield first_value
    for i in xrange(1, batch_size):
        yield iterator.next()

def batch_iterator(iterator, batch_size):
    iterator = iter(iterator)
    while True:
        first_value = iterator.next()  # Peek.
        yield one_batch(first_value, iterator, batch_size)

它的工作原理是查看迭代器中的下一个值，并将其作为第一个值传递给生成器 (one_batch())，生成器将与批处理的其余部分一起生成它。

当输入迭代器用尽并且没有更多批次时，peek 步骤将引发StopIteration。由于这是在batch_iterator() 方法中引发StopIteration 的正确时间，因此无需捕获异常。

这将批量处理来自标准输入的行：

for input_batch in batch_iterator(sys.stdin, 10000):
    for line in input_batch:
        process(line)
    finalise()

我发现这对于处理大量数据并将结果批量上传到外部存储非常有用。