1. 用于过滤的生成器函数
模块
函数
说明
itertools
compress(it,selector_it)
并行处理两个可迭代的对象；如果 selector_it 中的元素是真值，产出 it 中对应的元素
itertools
dropwhile(predicate, it)
处理 it，跳过 predicate 的计算结果为真值的元素，然后产出剩下的各个元素（不再进一步检查）
（内置）
filter(predicate, it)
把 it 中的各个元素传给 predicate，如果 predicate(item) 返回真值，那么产出对应的元素；如果 predica
Python 标准库中的生成器函数是编程中非常重要的工具，它们允许我们创建惰性计算的序列，即在需要时才生成每个元素，这样可以节省内存，并提高代码效率。生成器函数通过`yield`语句来定义，它们不返回一个列表，而是返回一个可以迭代的对象。
1. **用于过滤的生成器函数**
- `itertools.compress(it, selector_it)`：此函数并行处理两个可迭代对象。如果`selector_it`中的元素为真值，则输出`it`中对应位置的元素。例如，给定两个列表`['A', 'B', 'C']`和 `[True, False, True]`，`compress`将产出`['A', 'C']`。
- `itertools.dropwhile(predicate, it)`：该函数处理`it`，跳过`predicate`计算结果为真值的元素，然后产出剩下的元素。例如，如果`predicate`是判断字符是否是元音，`dropwhile`会跳过元音字符直到遇到非元音。
- `filter(predicate, it)`：这是内置的过滤函数，将`it`中的元素传递给`predicate`，如果`predicate(item)`返回真值，则产出对应的元素。若`predicate`为`None`，则只产出非空元素。
- `itertools.filterfalse(predicate, it)`：与`filter`类似，但逻辑相反，当`predicate`返回假值时产出对应的元素。
- `itertools.islice(it, stop)`或`islice(it, start, stop, step=1)`：生成`it`的切片，惰性计算，可以应用于任何可迭代对象，支持指定起始、结束和步长。
- `itertools.takewhile(predicate, it)`：在`predicate`返回真值时产出对应的元素，然后立即停止。
例如，对于字符串`'Aardvark'`，`filter`函数会过滤掉元音，而`filterfalse`则会过滤掉非元音，`dropwhile`会在遇到第一个非元音后开始输出，`takewhile`会在遇到第一个非元音后停止，`compress`则根据给定的布尔序列产出对应位置的字符。
2. **用于映射的生成器函数**
- `itertools.accumulate(it, [func])`：产出累积的总和，如果提供`func`，则会对元素进行累积运算，如求和、最小值或最大值等。
- `enumerate(iterable, start=0)`：生成一个枚举对象，包含索引和元素，索引从`start`开始。
- `map(func, it1, [it2, …, itN])`：将多个可迭代对象的元素按位置传给`func`，产出结果。`func`应能处理所有传入参数。
- `itertools.starmap(func, it)`：类似于`map`，但`it`产出的元素会被解包成参数传递给`func`，适用于接收多个参数的函数。
演示`itertools.accumulate`，例如，我们可以计算一个数字列表的累加和、最小值或最大值。
```python
sample = [5, 4, 2, 8, 7, 6, 3, 0, 9, 1]
print(list(itertools.accumulate(sample))) # 计算总和
print(list(itertools.accumulate(sample, min))) # 计算最小值
print(list(itertools.accumulate(sample, max))) # 计算最大值
```
这些生成器函数在处理大量数据时尤其有用，因为它们避免了一次性加载所有数据到内存。此外，它们还可以与其他Python内建函数和`itertools`模块的其他功能结合使用，构建出更复杂的迭代逻辑。通过熟练掌握这些生成器函数，程序员可以编写出高效且内存友好的代码。
