今天我要给大家聊一聊一个在 Python 开发中几乎零差评的库——itertools。如果你是 Python 编程的老手，可能已经用过这个库；如果你是新手，那你一定得记住这个库，它真的是一种生活中的“神器”。
今天，我打算通过这篇文章梳理一下自己在平时工作中对 itertools 的碎片化学习，顺便给大家推荐几个常用的函数，真心希望能帮到你们。
为什么要写这篇文章
说实话，作为一个程序员，工作中的时间都被各种 bug、需求、上线前的疯狂赶工压得喘不过气来。
然后有时候你就会发现，有一些简单的工具你用起来感觉像是“自己在吃草”，用的少，操作也没啥高频度，结果它就像你抽屉里的工具一样，基本上只会在你又一个疯狂加班的夜晚突然亮相。
那为了不再每次都得从头搜索 itertools 相关的使用方法，我决定写篇文章，既能帮助自己整理知识，也能帮助其他同样“乱”过的程序员。
迭代器与 itertools：为什么它值得关注？
迭代器的优势
先简单说一下迭代器。相信大家都有用过 for 循环遍历列表、字典之类的容器类型数据，但你知道吗？其实 Python 中的迭代器是通过惰性计算的（即按需生成元素），这就意味着如果你有一个大数据集，迭代器就能逐个返回结果，避免了一次性加载所有数据的内存压力。这也就解释了为什么 Python 的迭代器那么高效。一个简单的例子：
# 不使用迭代器时，我们加载一个范围到内存
nums = list(range(10**7))
# 使用迭代器时，只有当调用时才会生成数据
nums_iter = iter(range(10**7))
迭代器让你的程序运行更高效，尤其是对于一些大数据场景。
而 itertools 库，它就是迭代器的升级版，为你提供了许多高效的迭代工具，让你的代码更加简洁、优雅，甚至是高效。
常见的迭代器
Python 中有很多常用的迭代器，比如 range() 和 iter()。这些我们经常用，但往往只是表面上的功能。要是你需要处理更复杂的迭代操作，比如连接、分组、生成组合等，itertools 绝对能让你事半功倍。
itertools 常用函数介绍
我觉得一个个说清楚 itertools 中的常用函数是个不错的主意。下面我就来细说一下这些高效工具。每个函数我都会加上一个小例子，帮大家更好理解。
1. itertools.accumulate：累加器
假设你有一个数列，想要计算每个位置上之前所有数值的和，那 itertools.accumulate 绝对能派上用场：
import itertools
nums = [1, 2, 3, 4]
accumulated = list(itertools.accumulate(nums))
print(accumulated) # 输出：[1, 3, 6, 10]
这样就能很方便地获取到逐步累加的结果，不需要你自己手动写循环，直接一行搞定。
2. itertools.chain：连接多个迭代器
假如你有两个列表，想要把它们连接成一个大列表，那你可以用 itertools.chain：
list1 = [1, 2, 3]
list2 = [4, 5, 6]
combined = list(itertools.chain(list1, list2))
print(combined) # 输出：[1, 2, 3, 4, 5, 6]
可以连接任意多个可迭代对象，不仅限于列表。
3. itertools.combinations：生成不重复的组合
有时我们需要从一个集合中生成不重复的组合，itertools.combinations 就是为此而生的：
import itertools
items = [1, 2, 3]
combinations = list(itertools.combinations(items, 2))
print(combinations) # 输出：[(1, 2), (1, 3), (2, 3)]
它生成的组合是无序的，不会重复。
4. itertools.combinations_with_replacement：允许重复元素的组合
如果你需要生成可以重复的组合，使用 combinations_with_replacement：
combinations_with_replacement = list(itertools.combinations_with_replacement(items, 2))
print(combinations_with_replacement) # 输出：[(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)]
5. itertools.compress：按条件过滤元素
这个函数可以根据一个“选择标志”的列表来过滤掉某些元素：
data = ['a', 'b', 'c', 'd', 'e']
selectors = [1, 0, 1, 0, 1]
result = list(itertools.compress(data, selectors))
print(result) # 输出：['a', 'c', 'e']
只有标志为 1 的元素才会被保留。
6. itertools.count：计数器
itertools.count 用于生成从指定数字开始的无限计数器，通常与 takewhile 配合使用：
counter = itertools.count(start=10, step=5)
for i in itertools.islice(counter, 5): # 取前五个数字
print(i)
7. itertools.cycle：无限循环
itertools.cycle 会不断循环遍历一个迭代器，适合需要反复使用某些元素的场景：
cyc = itertools.cycle([1, 2, 3])
for i in range(6):
print(next(cyc))
8. itertools.groupby：分组
根据某个条件对数据进行分组，itertools.groupby 也是个常用的工具。假设你有一个列表，想按元素的奇偶性分组，可以这么做：
items = [1, 2, 3, 4, 5, 6]
grouped = itertools.groupby(items, key=lambda x: x % 2)
for key, group in grouped:
print(f"Key: {key}, Group: {list(group)}")
9. itertools.permutations：生成所有排列
如果你需要生成某个集合的所有排列，itertools.permutations 来帮忙：
items = [1, 2, 3]
permutations = list(itertools.permutations(items))
print(permutations) # 输出：[(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)]
10. itertools.product：笛卡尔积
想要生成多个列表的笛卡尔积？试试 itertools.product：
prod = list(itertools.product([1, 2], ['a', 'b']))
print(prod) # 输出：[(1, 'a'), (1, 'b'), (2, 'a'), (2, 'b')]
总结
如果说 Python 中哪个库几乎没有差评，那 itertools 肯定算一个。它不仅让你的代码更加简洁、优雅，而且在需要处理大量数据、复杂组合时，能让你事半功倍。
在实际开发中，很多高效、灵活的解决方案都能通过 itertools 找到。虽然这个库的学习曲线不算陡峭，但你需要通过实践才能真正掌握它，进而让它成为你工作中的得力助手。
就像老话说的：用“道”去做事，才能事半功倍，只有不断实践、思考，才会在这条技术路上走得更远。希望大家都能在 Python 的世界里找到自己的“道”，不断进阶，成为更高效的开发者。
好了，今天就聊这么多，大家也可以去尝试下这些函数，看看哪些最适合你自己的工作。就像我平时加班时常用 itertools.chain 和 itertools.combinations，帮我迅速搞定一些小难题，希望它们也能成为你们的得力助手！
对编程、职场感兴趣的同学，大家可以联系我微信：golang404，拉你进入“程序员交流群”。
虎哥作为一名老码农，整理了全网最全《python高级架构师资料合集》。
