Python 3 生成器理解生成块，包括最后

Question

如果你在 Python 3.7 中有一个列表：

>>> li
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

您可以使用两个常见的 Python 习惯用法之一将其转换为每个长度为 n 的块列表：

>>> n=3
>>> list(zip(*[iter(li)]*n))
[(0, 1, 2), (3, 4, 5), (6, 7, 8)]

由于(9,10) 的长度不是n，因此丢弃了最后一个不完整的元组

你也可以这样做：

>>> [li[i:i+n] for i in range(0,len(li),n)]
[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10]]

如果你想要最后一个子列表，即使它的元素少于n。

假设现在我有一个生成器，gen，未知长度或终止（因此调用 list(gen)) 或 sum(1 for _ in gen) 是不明智的）我想要每个块。

我能想到的最好的生成器表达式是这样的：

from itertools import zip_longest
sentinel=object()             # for use in filtering out ending chunks
gen=(e for e in range(22))    # fill in for the actual gen

g3=(t if sentinel not in t else tuple(filter(lambda x: x != sentinel, t)) for t in zip_longest(*[iter(gen)]*n,fillvalue=sentinel))

这适用于预期目的：

>>> next(g3)
(0, 1, 2)
>>> next(g3)
(3, 4, 5)
>>> list(g3)
[(6, 7, 8), (9, 10)]

只是看起来——笨拙。我试过了：

1. 使用islice，但长度不足似乎难以克服；
2. 在 iter 中使用哨兵，但 iter 的哨兵版本需要可调用，而不是可迭代。

是否有更惯用的 Python 3 技术来生成长度为 n 的块，包括最后一个可能小于 n 的块？

我也对生成器功能持开放态度。我正在寻找一些惯用的东西，而且大多更具可读性。

---

更新：

我认为DSM在他删除的答案中的方法非常好：

>>> g3=(iter(lambda it=iter(gen): tuple(islice(it, n)), ()))
>>> next(g3)
(0, 1, 2)
>>> list(g3)
[(3, 4, 5), (6, 7, 8), (9, 10)]

---

作为dup，我对这个问题持开放态度，但链接的问题已经有将近 10 年的历史了，并且专注于一个列表。 Python 3 中没有带有生成器的 new 方法，您不知道长度并且一次只想要一个块？

Answer 1

我认为，只要您尝试将其装入一个衬里，这总是会很混乱。 我会硬着头皮在这里使用生成器功能。如果您不知道实际大小（例如，如果 gen 是无限生成器等），则特别有用。

from itertools import islice

def chunk(gen, k):
    """Efficiently split `gen` into chunks of size `k`.

       Args:
           gen: Iterator to chunk.
           k: Number of elements per chunk.

       Yields:
           Chunks as a list.
    """ 
    while True:
        chunk = [*islice(gen, 0, k)]
        if chunk:
            yield chunk
        else:
            break

>>> gen = iter(list(range(11)))
>>> list(chunk(gen))
[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10]]

可能有人有更好的建议，但我就是这样做的。

Answer 2

这感觉像是一个非常合理的方法，它只建立在 itertools 上。

>>> g = (i for i in range(10))
>>> g3 = takewhile(lambda x: x, (list(islice(g,3)) for _ in count(0)))
>>> list(g3)
[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9]]

Answer 3

我在这里整理了一些答案的时间。

我最初编写它的方式实际上是 Python 3.7 上最快的。对于一个班轮，这可能是最好的。

cold speed 的 answer 的修改版本既快速又 Pythonic 且可读。

其他答案都是类似的速度。

基准测试：

from __future__ import print_function

try:
    from itertools import zip_longest, takewhile, islice, count 
except ImportError:
    from itertools import takewhile, islice, count  
    from itertools import izip_longest as zip_longest
from collections import deque 

def f1(it,k):
    sentinel=object()
    for t in (t if sentinel not in t else tuple(filter(lambda x: x != sentinel, t)) for t in zip_longest(*[iter(it)]*k, fillvalue=sentinel)):
        yield t

def f2(it,k): 
    for t in (iter(lambda it=iter(it): tuple(islice(it, k)), ())):
        yield t

def f3(it,k):
    while True:
        chunk = (*islice(it, 0, k),)   # tuple(islice(it, 0, k)) if Python < 3.5
        if chunk:
            yield chunk
        else:
            break

def f4(it,k):
    for t in takewhile(lambda x: x, (tuple(islice(it,k)) for _ in count(0))):
        yield t

if __name__=='__main__':
    import timeit    
    def tf(f, k, x):
        data=(y for y in range(x))
        return deque(f(data, k), maxlen=3)

    k=3
    for f in (f1,f2,f3,f4):
        print(f.__name__, tf(f,k,100000))
    for case, x in (('small',10000),('med',100000),('large',1000000)):  
        print("Case {}, {:,} x {}".format(case,x,k))
        for f in (f1,f2,f3,f4):
            print("   {:^10s}{:.4f} secs".format(f.__name__, timeit.timeit("tf(f, k, x)", setup="from __main__ import f, tf, x, k", number=10)))    

结果：

f1 deque([(99993, 99994, 99995), (99996, 99997, 99998), (99999,)], maxlen=3)
f2 deque([(99993, 99994, 99995), (99996, 99997, 99998), (99999,)], maxlen=3)
f3 deque([(99993, 99994, 99995), (99996, 99997, 99998), (99999,)], maxlen=3)
f4 deque([(99993, 99994, 99995), (99996, 99997, 99998), (99999,)], maxlen=3)
Case small, 10,000 x 3
       f1    0.0125 secs
       f2    0.0231 secs
       f3    0.0185 secs
       f4    0.0250 secs
Case med, 100,000 x 3
       f1    0.1239 secs
       f2    0.2270 secs
       f3    0.1845 secs
       f4    0.2477 secs
Case large, 1,000,000 x 3
       f1    1.2140 secs
       f2    2.2431 secs
       f3    1.7967 secs
       f4    2.4697 secs

Answer 4

这个带有生成器函数的解决方案相当明确且简短：

def g3(seq):
    it = iter(seq)
    while True:
        head = list(itertools.islice(it, 3))
        if head:
            yield head
        else:
            break

Answer 5

文档的itertools recipe 部分提供了各种生成器助手。

这里你可以用iter的第二种形式修改take来创建一个块生成器。

from itertools import islice

def chunks(n, it):
    it = iter(it)
    return iter(lambda: tuple(islice(it, n)), ())

示例

li = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

print(*chunks(3, li))

输出

(0, 1, 2) (3, 4, 5) (6, 7, 8) (9, 10)

Answer 6

more_itertools.chunked:

list(more_itertools.chunked(range(11), 3))
# [[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10]]

另见source：

iter(functools.partial(more_itertools.take, n, iter(iterable)), [])

Answer 7

我尝试使用groupby 和cycle。使用cycle，您可以选择如何对元素进行分组的模式，因此用途广泛：

from itertools import groupby, cycle

gen=(e for e in range(11))
d = [list(g) for d, g in groupby(gen, key=lambda v, c=cycle('000111'): next(c))]
print([v for v in d])

输出：

[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10]]

Answer 8

我们可以通过使用 itertools 文档页面中给出的 grouper 函数来做到这一点。

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(fillvalue=fillvalue, *args)

def out_iterator(lst):
    for each in grouper(lst,n):
        if None in each:
            yield each[:each.index(None)]
        else:
            yield each
a=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
n=3
print(list(out_iterator(a)))

输出：

[(0, 1, 2), (3, 4, 5), (6, 7, 8), (9, 10)]