Python 函数式编程：itertools 与 functools 实用技巧

函数式编程通过无副作用函数和高阶函数处理数据，Python 的 itertools 和 functools 模块提供了核心工具。以下分模块介绍实用技巧：

一、itertools：高效迭代器工具

1. 无限迭代器

   • count()：生成无限等差数列

     from itertools import count
     counter = count(start=10, step=2)  # 10, 12, 14...
     

   • cycle()：循环遍历序列

     cycler = cycle(['A', 'B'])  # A→B→A→B...
     

2. 组合生成器

   • product()：计算笛卡尔积（替代嵌套循环）

     from itertools import product
     for x, y in product([1, 2], ['a', 'b']):
         print(x, y)  # (1,a), (1,b), (2,a), (2,b)
     

   • permutations()：生成排列

     list(permutations('ABC', 2))  # [('A','B'), ('A','C'), ...]
     

3. 数据切片与过滤

   • islice()：惰性切片迭代器

     islice(count(), 5, 10)  # 生成5~9的整数
     

   • takewhile()：条件截取

     takewhile(lambda x: x<5, [1,3,5,7])  # [1,3]
     

二、functools：高阶函数操作

1. 偏函数（Partial）
   冻结部分参数，创建新函数：

   from functools import partial
   pow_two = partial(pow, exp=2)  # 固定指数为2
   pow_two(3)  # 9 (即3²)
   

2. 缓存优化
   lru_cache 加速递归函数：

   from functools import lru_cache
   @lru_cache(maxsize=128)
   def fib(n):
       return n if n<2 else fib(n-1)+fib(n-2)
   

3. 函数装饰器
   wraps 保留原函数元信息：

   from functools import wraps
   def logger(func):
       @wraps(func)  # 保留func的名称和文档
       def wrapper(*args):
           print(f"Calling {func.__name__}")
           return func(*args)
       return wrapper
   

三、综合应用示例

场景：生成坐标网格，并计算曼哈顿距离 $$d = |x_1 - x_2| + |y_1 - y_2|$$

from itertools import product, starmap
from functools import partial

# 生成2D网格坐标
points = product(range(3), repeat=2)  # (0,0), (0,1), ... (2,2)

# 定义距离计算函数
def manhattan(a, b):
    return sum(abs(a_i - b_i) for a_i, b_i in zip(a, b))

# 计算所有点到(1,1)的距离
dist_to_center = partial(manhattan, b=(1,1))
distances = starmap(dist_to_center, points)

print(list(distances))  # [2,1,2, 1,0,1, 2,1,2]

关键优势：

• itertools：惰性计算节省内存，避免生成中间列表
• functools：通过函数组合减少重复代码，提升可读性
• 两者结合可实现声明式编程风格，数据流清晰易维护