استفاده از itertools در پایتون: مبانی و کاربردها

ماژول itertools یکی از ابزارهای قدرتمند و کمتر شناخته شده در زبان برنامه‌نویسی پایتون است. این ماژول مجموعه‌ای از توابع را ارائه می‌دهد که برای ایجاد تکرارکننده‌ها (iterators) به صورت کارآمد و کم‌مصرف طراحی شده‌اند. تکرارکننده‌ها ابزاری اساسی در پایتون هستند که به شما امکان می‌دهند روی مجموعه‌ای از داده‌ها به صورت مرحله‌ای و بدون نیاز به بارگذاری کل مجموعه در حافظه، پردازش انجام دهید. این ویژگی به ویژه در کار با مجموعه‌های بزرگ داده بسیار مفید است.

چرا از itertools استفاده کنیم؟

استفاده از itertools مزایای متعددی دارد:

• کارایی: توابع itertools به گونه‌ای پیاده‌سازی شده‌اند که از نظر حافظه و سرعت بسیار کارآمد باشند. آن‌ها به جای ایجاد لیست‌های جدید، تکرارکننده‌هایی را تولید می‌کنند که داده‌ها را به صورت تقاضا (on-demand) تولید می‌کنند.
• خوانایی کد: استفاده از itertools می‌تواند کد شما را خواناتر و قابل فهم‌تر کند، به خصوص زمانی که با مسائل ترکیبیاتی یا الگوریتم‌های پیچیده سر و کار دارید.
• کاهش حجم کد: بسیاری از عملیات تکراری که معمولاً با استفاده از حلقه‌ها و شرط‌ها پیاده‌سازی می‌شوند، می‌توانند با استفاده از توابع itertools به صورت مختصر و مفید انجام شوند.

مفاهیم کلیدی

قبل از شروع به بررسی توابع itertools، لازم است با چند مفهوم کلیدی آشنا شوید:

• تکرارکننده (Iterator): یک شیء که امکان دسترسی به عناصر یک مجموعه را به صورت مرحله‌ای فراهم می‌کند.
• تکرارپذیر (Iterable): یک شیء که می‌توان آن را به یک تکرارکننده تبدیل کرد.
• تولیدکننده (Generator): یک نوع خاص از تکرارکننده که با استفاده از کلمه کلیدی yield تعریف می‌شود.

توابع اصلی itertools

در ادامه به بررسی برخی از مهم‌ترین توابع ماژول itertools می‌پردازیم:

1. count()

تابع count() یک تکرارکننده نامحدود تولید می‌کند که از یک مقدار شروع مشخص شروع شده و به صورت پیوسته افزایش می‌یابد. این تابع می‌تواند برای تولید دنباله‌های عددی یا شمارنده‌ها استفاده شود.

from itertools import count

# تولید دنباله‌ای از اعداد صحیح از 10 به بعد
counter = count(10)
for i in range(5):
    print(next(counter))

2. cycle()

تابع cycle() یک تکرارکننده ایجاد می‌کند که عناصر یک تکرارپذیر را به صورت چرخشی تکرار می‌کند. این تابع می‌تواند برای ایجاد الگوهای تکراری یا شبیه‌سازی رفتارهای دوره‌ای استفاده شود.

from itertools import cycle

# تکرار چرخشی عناصر یک لیست
colors = ['red', 'green', 'blue']
color_cycle = cycle(colors)
for i in range(7):
    print(next(color_cycle))

3. repeat()

تابع repeat() یک تکرارکننده ایجاد می‌کند که یک مقدار مشخص را به تعداد دفعات مشخصی تکرار می‌کند. اگر تعداد دفعات مشخص نشود، تکرارکننده به صورت نامحدود مقدار را تکرار می‌کند.

from itertools import repeat

# تکرار مقدار 'hello' به مدت 3 بار
hello_repeater = repeat('hello', 3)
for item in hello_repeater:
    print(item)

4. chain()

تابع chain() یک تکرارکننده ایجاد می‌کند که عناصر چندین تکرارپذیر را به هم متصل می‌کند. این تابع می‌تواند برای ترکیب چندین لیست یا مجموعه داده استفاده شود.

from itertools import chain

# ترکیب دو لیست
list1 = [1, 2, 3]
list2 = [4, 5, 6]
combined_list = chain(list1, list2)
for item in combined_list:
    print(item)

5. compress()

تابع compress() یک تکرارکننده ایجاد می‌کند که عناصر یک تکرارپذیر را بر اساس مقادیر یک تکرارپذیر دیگر فیلتر می‌کند. فقط عناصری از تکرارپذیر اول که متناظر با مقدار True در تکرارپذیر دوم هستند، در خروجی قرار می‌گیرند.

from itertools import compress

# فیلتر کردن عناصر یک لیست بر اساس یک لیست بولین
data = ['a', 'b', 'c', 'd', 'e']
selectors = [True, False, True, False, True]
filtered_data = compress(data, selectors)
for item in filtered_data:
    print(item)

6. groupby()

تابع groupby() یک تکرارکننده ایجاد می‌کند که عناصر یک تکرارپذیر را بر اساس یک کلید مشخص گروه‌بندی می‌کند. این تابع برای دسته‌بندی داده‌ها و انجام عملیات بر روی گروه‌ها بسیار مفید است.

from itertools import groupby

# گروه‌بندی عناصر یک لیست بر اساس مقدار آن‌ها
data = [1, 1, 2, 2, 2, 3, 4, 4]
grouped_data = groupby(data)
for key, group in grouped_data:
    print(f"Key: {key}, Group: {list(group)}")

7. permutations()

تابع permutations() یک تکرارکننده ایجاد می‌کند که تمام جایگشت‌های ممکن از عناصر یک تکرارپذیر را تولید می‌کند. این تابع برای حل مسائل ترکیبیاتی و الگوریتم‌های جستجو بسیار مفید است.

from itertools import permutations

# تولید تمام جایگشت‌های ممکن از عناصر یک لیست
data = ['a', 'b', 'c']
permutations_list = list(permutations(data))
print(permutations_list)

8. combinations()

تابع combinations() یک تکرارکننده ایجاد می‌کند که تمام ترکیب‌های ممکن از عناصر یک تکرارپذیر را تولید می‌کند. این تابع نیز برای حل مسائل ترکیبیاتی و الگوریتم‌های جستجو کاربرد دارد.

from itertools import combinations

# تولید تمام ترکیب‌های ممکن از عناصر یک لیست
data = ['a', 'b', 'c']
combinations_list = list(combinations(data, 2)) # ترکیب‌های 2 تایی
print(combinations_list)

9. product()

تابع product() یک تکرارکننده ایجاد می‌کند که تمام ضرب‌های دکارتی عناصر چندین تکرارپذیر را تولید می‌کند. این تابع برای ایجاد تمام ترکیبات ممکن از عناصر چندین مجموعه داده استفاده می‌شود.

from itertools import product

# تولید تمام ضرب‌های دکارتی عناصر دو لیست
list1 = [1, 2]
list2 = ['a', 'b']
product_list = list(product(list1, list2))
print(product_list)

نتیجه‌گیری

ماژول itertools ابزاری قدرتمند و کارآمد برای کار با تکرارکننده‌ها و حل مسائل ترکیبیاتی در پایتون است. با استفاده از توابع این ماژول، می‌توانید کد خود را خواناتر، کارآمدتر و مختصرتر کنید. امیدوارم این مقاله به شما در درک و استفاده از این ماژول ارزشمند کمک کند. تمرین و آزمایش با توابع مختلف itertools بهترین راه برای تسلط بر این ابزار قدرتمند است.