more-itertools 中的 circular_shifts 函数优化解析
2025-06-17 13:57:48作者:廉彬冶Miranda
more-itertools 是一个强大的 Python 迭代工具库,提供了许多有用的迭代器操作函数。其中 circular_shifts 函数用于生成可迭代对象的循环移位序列,最近该函数进行了两项重要优化:添加 steps 参数和简化实现逻辑。
函数功能解析
circular_shifts 函数的核心功能是生成输入可迭代对象的所有循环移位组合。例如,对于输入 range(4),它会生成四个移位版本:
- 原始序列 (0,1,2,3)
- 左移一位 (1,2,3,0)
- 左移两位 (2,3,0,1)
- 左移三位 (3,0,1,2)
这种操作在密码学、数据分析和算法设计中都有广泛应用,特别是当需要考察数据在不同移位状态下的表现时。
新增 steps 参数
最新优化为函数添加了 steps 参数,这个改进带来了更灵活的移位控制:
- 当 steps=1 时(默认值),函数行为与之前一致,每次左移一位
- 可以指定任意正整数作为 steps 值,表示每次移位的步长
- 支持负值 steps,表示向右移位
- 当 steps 为 0 时会抛出 ValueError 异常
这个改进使得函数能够处理更复杂的移位需求,比如一次移动多位或者反向移动。
实现优化
新版本简化了实现逻辑,主要改进点包括:
- 使用 collections.deque 的 rotate 方法高效实现移位操作
- 通过 math.gcd 计算最大公约数来确定需要生成的移位组合数量
- 利用列表推导式紧凑地生成结果
这种实现方式不仅代码更简洁,而且性能更好,特别是对于大型可迭代对象。
返回类型考虑
原问题中提到的返回类型问题(为何返回列表而非迭代器)是一个值得讨论的设计选择。在优化后的版本中,函数改为返回迭代器,这更符合 Python 迭代工具库的设计哲学。返回迭代器有多个优势:
- 惰性求值,节省内存
- 可以处理无限序列
- 与其他 itertools 函数风格一致
使用示例
# 基本用法
list(circular_shifts('ABCD'))
# 输出: ['ABCD', 'BCDA', 'CDAB', 'DABC']
# 指定步长
list(circular_shifts('ABCD', steps=2))
# 输出: ['ABCD', 'CDAB']
# 反向移位
list(circular_shifts('ABCD', steps=-1))
# 输出: ['ABCD', 'DABC', 'CDAB', 'BCDA']
这个优化后的函数为 Python 开发者提供了一个更强大、更灵活的工具,用于处理各种需要循环移位的场景。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147