more-itertools 中的 circular_shifts 函数优化解析
2025-06-17 09:05:27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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
635
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
634