理解zip函数的工作流程

zip函数是Python的内置函数，在拙作《跟老齐学Python：轻松入门》有一定的介绍，但是，考虑到那本书属于Python的入门读物，并没有讲太深。但是，并不意味着这个函数不能应用的很深入，特别是结合迭代器来理解此函数，会让人有豁然开朗的感觉。同时，能够巧妙地解决某些问题。

本文试图对zip进行深入探讨，同时兼顾对迭代器的理解。

一、理解zip函数

看下面的操作。

>>> list(zip([1, 2, 3], ['a', 'b', 'c']))
[(1, 'a'), (2, 'b'), (3, 'c')]
复制代码

[1, 2, 3] 和 ['a', 'b', 'c']是列表，所有列表都是可迭代的。这意味着可以一次返回一个元素。

zip函数最终得到一个zip对象——一个迭代器对象。而这个迭代器对象是由若干个元组组成的。

那么这些元组是如何生成的呢？

对照上面的代码，从开始算起。按照Python中的技术习惯，开始的那个元组是用0来计数的，即第0个。

1. 第0个元组中索引为0的元素，来自于zip函数第0个参数（[1,2,3]）当前指针所指的值，刚开始读取，那就是1；
2. 第0个元组中索引为1的元素，来自于zip函数中第1个参数（['a', 'b', 'c']）当前指针所指的值，也是刚刚开始读取，应该是a；于是组成了zip对象的第0个元组(1, 'a')。
3. 第0个元组中索引为2的元素，来自于zip函数中第2个参数——没有第二个，上面的参数总共有0、1两个。那么这个元组就组建完毕了，也就没有索引为2的元素。接下来再组建下一个元组，按照这里的计数顺序应该是第1个元组。
4. zip对象第1个元组中索引为0的元素，来自于zip函数第0个参数当前指针所指的值。注意，因为上次已经度去过1了，这时候对应的值是2。
5. 同上面的道理，这时候指针所指的值是'b'。于是组成了zip对象第1个元组(2, 'b')。
6. 如此重复，就得到了最终的结果。

请注意上面的叙述，如果把元组中的组成对象来源概括一句话，那就是：元组中的第i个元素就来自于第i个参数中指针在当前所指的元素对象——请细细品味这句话的含义，后面有大用途。

对于zip函数，上面的过程，貌似“压缩”一样，那么，是否有反过程——解压缩。例如从上面示例的结果中分别恢复出来原来的两个对象。

有。一般认为是这这么做：

>>> result = zip([1, 2, 3], ["a", "b", "c"])
>>> c, v = zip(*result)
>>> print(c, v)
(1, 2, 3) ('a', 'b', 'c')
复制代码

这是什么原理。

result应用的是一个迭代器对象，不过为了能够显示的明白，也可以理解为是[(1, 'a'), (2, 'b'), (3, 'c')]。接下来使用了zip(*result)，这里的符号*的作用是收集参数，在函数的参数中，有对此详细阐述（请参阅《跟老齐学Python：轻松入门》）。

>>> def foo(*a): print(a)
...
>>> lst = [(1,2), (3,4)]
>>> foo(*lst)
((1, 2), (3, 4))
>>> foo((1,2), (3,4))
((1, 2), (3, 4))
复制代码

仿照这个示例，就能明晰下面两个操作是等效的。

>>> lst = [(1, 'a'), (2, 'b'), (3, 'c')]
>>> zip(*lst)
<zip object at 0x104c8fb48>
>>> zip((1, 'a'), (2, 'b'), (3, 'c'))
<zip object at 0x104f27308>
复制代码

从返回的对象内存编码也可以看出，两个是同样的对象。

既然如此，我们就可以通过理解zip((1, 'a'), (2, 'b'), (3, 'c'))的结果产生过程来理解zip(*lst)了。而前者生成结果的过程前面已经阐述过了，此处不再赘述。

原来，所谓的“解压缩”和“压缩”，计算的方法是一样的。豁然开朗。

其它常用函数

除了zip函数，还有一个内置函数iter，它以可迭代对象为参数，会返回迭代器对象。

>>> iter([1, 2, 3, 4])
<list_iterator object at 0x7fa80af0d898>
复制代码

本质上，iter函数调用参数的每个元素，然后借助于__next__函数返回迭代器对象，并把结果集成到一个元组中。

内置函数map是另外一个返回迭代器对象的函数，它以只有一个参数的函数对象为参数，这个函数每次从可迭代对象中取一个元素。

>>> list(map(len, ['abc', 'de', 'fghi']))
[3, 2, 4]
复制代码

map函数的执行原理是：用__iter__函数调用第二个参数，并用__next__函数返回执行结果。在上面的例子中，len函数要调用后面的列表中的每个元素，并返回一个迭代器对象。

既然迭代器是可迭代的，就可以把zip返回的迭代器对象用到map函数的参数中了。例如，用下面的方式计算两个列表中对应元素的和。

>>> list(map(sum, zip([1, 2, 3], [4, 5, 6])))
[5, 7, 9]
复制代码

迭代器对象有两个主要功效，一是节省内存，而是提高执行效率。

典型问题

有一个列表，由一些正整数组成，如[1, 2, 3, 4, 5, 6]，写一个函数，函数的一个参数n表示要将列表中几个元素划为一组，假设n=2，则将两个元素为一组，最终返回[(1, 2), (3, 4), (5, 6)]。

如果用简单的方式，可以这样写此函数：

def naive_grouper(inputs, n):
    num_groups = len(inputs) // n
    return [tuple(inputs[i*n:(i+1)*n]) for i in range(num_groups)]
复制代码

测试一下，此函数能够如我们所愿那样工作。

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> naive_grouper(nums, 2)
[(1, 2), (3, 4), (5, 6), (7, 8), (9, 10)]
复制代码

但是，在上面的测试中，所传入的列表元素个数是比较小的，如果列表元素个数很多，比如有100万个。这就需要有比较大的内存了，否则无法执行运算。

但是，如果这样执行此程序：

def naive_grouper(inputs, n):
    num_groups = len(inputs) // n
    return [tuple(inputs[i*n:(i+1)*n]) for i in range(num_groups)]
 
for _ in naive_grouper(range(100000000), 10):
    pass
复制代码

把上面的程序保存为文件naive.py。可以用下面的指令，测量运行程序时所占用的内存空间和耗费的时长。注意，要确保你本地机器的内存至少5G。

$ time -f "Memory used (kB): %M\nUser time (seconds): %U" python3 naive.py
Memory used (kB): 4551872
User time (seconds): 11.04
复制代码

注意：Ubuntu系统中，你可能要执行 /usr/bin/time。

把列表或者元素传入naïve_grouper函数，需要计算机提供4.5GB的内存空间，才能执行range(100000000)的循环。

如果采用迭代器对象，就会有很大变化了。

def better_grouper(inputs, n):
    iters = [iter(inputs)] * n
    return zip(*iters)
复制代码

这个简短的函数中，内涵还是很丰富的。所以我们要逐行解释。

表达式[iters(inputs)] * n创建一个迭代器对象，它包含了n个同样的列表对象。

下面以n=2为例说明。

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> iters = [iter(nums)] * 2
>>> list(id(itr) for itr in iters)  # 内存地址是一样的
[139949748267160, 139949748267160]
复制代码

在iters中的两个迭代器对象是同一个对象——认识到这一点非常重要。

结合前面对zip的理解，zip(*iters)和zip(iter(nums), iter(nums))是一样的。为了能够以更直观的方式进行说明，就可以认为是zip((1, 2, 3, 4, 5, 6, 7, 8, 9, 10), (1, 2, 3, 4, 5, 6, 7, 8, 9, 10))。按照前文所述的zip工作流程，其计算过程如下：

1. 第0个元组中的第0个元素，来自于第0个参数中指针当前所指对象，是1；
2. 第0个元组中的第1个元素，来自于第1个参数中指针当前所指对象，特别注意，两个参数是同一个对象，此时指针所指的是2。
3. 第0个元组中的第2个元素，来自于第2个参数——没有。于是乎得到了元组(1, 2)。
4. 接下来是第1个元组中的第0个元素，来自第0个参数中指针当前所指的对象，还是因为同一个对象的元素，此时指针所指的是3。
5. 依次类推，得到(3,4)等元组。

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> list(better_grouper(nums, 2))
[(1, 2), (3, 4), (5, 6), (7, 8), (9, 10)]
复制代码

上面的函数better_grouper()的优点在于：

• 不使用内置函数len()，能够以任何可迭代对象为参数
• 返回的是可迭代对象，不是列表。这样更少占用内存

把上述流程保存为文件better.py。

def better_grouper(inputs, n):
    iters = [iter(inputs)] * n
    return zip(*iters)
  
for _ in better_grouper(range(100000000), 10):
    pass
复制代码

然后使用 time在终端执行。

$ time -f "Memory used (kB): %M\nUser time (seconds): %U" python3 better.py
Memory used (kB): 7224
User time (seconds): 2.48
复制代码

对比前面执行 naive.py，不论在内存还是执行时间上，都表现非常优秀。

进一步研究

对于上面的better_grouper函数，深入分析一下，发现它还有问题。它只能分割能够被列表长度整除的列表中的数字，如果不能整除的话，就会有一些元素被舍弃。例如：

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> list(better_grouper(nums, 4))
[(1, 2, 3, 4), (5, 6, 7, 8)]
复制代码

如果要4个元素一组，就会有9和10不能分组了。之所以，还是因为zip函数。

>>> list(zip([1, 2, 3], ['a', 'b', 'c', 'd']))
[(1, 'a'), (2, 'b'), (3, 'c')]
复制代码

最终得到的zip对象中的元组数量，是参数中长度最小的对象决定。

如果你感觉这样做不爽，可以使用itertools.zip_longest()，这个函数是以最长的参数为基准，如果有不足的，默认用None填充，当然也可以通过参数fillvalue指定填充对象。

>>> import itertools
>>> x = [1, 2, 3]
>>> y = ["a", "b", "c", "d"]
>>> list(itertools.zip_longest(x, y))
[(1, 'a'), (2, 'b'), (3, 'c'), (None, 'd')]
复制代码

那么，就可以将better_grouper函数中的zip用zip_longest()替代了。

import itertools as it
  
def grouper(inputs, n, fillvalue=None):
    iters = [iter(inputs)] * n
    return it.zip_longest(*iters, fillvalue=fillvalue)
复制代码

再跑一下，就是这样的结果了。

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> print(list(grouper(nums, 4)))
[(1, 2, 3, 4), (5, 6, 7, 8), (9, 10, None, None)]
复制代码

---

《跟老齐学Python：轻松入门》