Python 合并itertools.product的结果？

我正在尝试使用

itertools.product

从

0-9999

创建一个数字列表。我可以通过执行以下操作从

0000-9999

创建列表：

numbers = ['0','1','2','3','4','5','6','7','8','9']
itertools.product(numbers,numbers,numbers,numbers)

虽然我想要像

0001

这样的条目，但我也想要得到

001

、

01

和

1

包含这些内容的最有效方式是什么？我是否应该调用

itertools.product（数字、数字、数字）

和

itertools.product（数字、数字）

，然后以某种方式将它们与原始版本结合起来，还是有更干净的方法

如果我再打两个电话并合并，有人能告诉我怎么做吗？我试图使用

.append（）

，但它引发以下错误：

'itertools.product' object has no attribute 'append'

---

感谢您的帮助。

您可以使用嵌套的listcomp或genexp（此处缩小尺寸以便于显示）：

numbers = ['0','1','2','3','4','5','6','7','8','9']
list(''.join(subl) for subl in itertools.chain.from_iterable(itertools.product(numbers, repeat=i) for i in range(1,5)))

---

您可以使用嵌套的listcomp或genexp（出于显示目的，此处减小了大小）：

---

现有答案的性能改进：

from itertools import chain, product

list(map(''.join, chain.from_iterable(product(numbers, repeat=i) for i in range(1, 5))))
# Or on Python 3.5+ with additional unpacking generalizations:
[*map(''.join, chain.from_iterable(product(numbers, repeat=i) for i in range(1, 5)))]

如果您只是在迭代结果，则省略

list（）

/

[*…]

包装

CPython参考解释器的性能显著提高（在本例中不是很多，但对于更大的产品来说是非常显著的），如下所示（此处的实现细节）：

它将绝大多数工作推送到C层，避免了字节码解释器循环开销

product

在请求下一个结果时，如果不存在引用，则具有（包括不需要设置其中的大多数值）。这种优化不适用于listcomps和GeneXPR（循环结构使对结果的

元组的引用保持活动状态的时间足够长，以便在确定是否可以为下一个结果重用
元组时存在引用），但是
映射（''.join
避免了这种情况（它只保存对
元组的引用
足够长的时间来调用映射器函数，在生成映射器结果之前丢弃它）

即使在这种情况下，从百分比上看，加速效果也是显著的，通过

ipython

microbenchmarks（在这种情况下，在Linux x64 3.6安装上）可以证明：

---

如前所述，这里的收益仅以百分比计算（运行时减少约27%）；6.7μs在总体上是微不足道的。但是如果要覆盖的

范围越来越大，和/或
到
产品的
集合越来越大，它就更重要了；对于
数字='0123456789'
和
范围（1,8）
，从2.54秒减少到1.67秒；逐渐地，节省的时间大约是三分之一，当总成本以秒计时，将该成本减少三分之一是有意义的。
现有答案的性能改进：

from itertools import chain, product

list(map(''.join, chain.from_iterable(product(numbers, repeat=i) for i in range(1, 5))))
# Or on Python 3.5+ with additional unpacking generalizations:
[*map(''.join, chain.from_iterable(product(numbers, repeat=i) for i in range(1, 5)))]

如果您只是在迭代结果，则省略
list（）
/
[*…]
包装

CPython参考解释器的性能显著提高（在本例中不是很多，但对于更大的产品来说是非常显著的），如下所示（此处的实现细节）：

它将绝大多数工作推送到C层，避免了字节码解释器循环开销
product
在请求下一个结果时，如果不存在引用，则具有（包括不需要设置其中的大多数值）。此优化不适用于listcomps和GeneXPR（循环结构使对结果的
元组的引用保持活动状态，直到在确定是否可以为下一个结果重用
元组时引用存在为止），但是
映射（'''.join
避免了这种情况）（它只保存对
元组的引用
足够长的时间来调用映射器函数，在生成映射器结果之前丢弃它）

即使在这种情况下，从百分比上看，加速效果也是显著的，通过
ipython
microbenchmarks（在这种情况下，在Linux x64 3.6安装上）可以证明：

如前所述，这里的收益仅以百分比计算（运行时减少约27%）；6.7μs在总体上是微不足道的。但是如果要覆盖的
范围越来越大，和/或
到
产品的
集合越来越大，它就更重要了；对于
数字='0123456789'
和
范围（1,8）
，减少时间从2.54秒减少到1.67秒；逐渐地，节省的时间大约是三分之一，当总成本以秒计算时，将该成本减少三分之一是有意义的

>>> %timeit -r5 [''.join(p) for n in range(1, 5) for p in product(nums, repeat=n)]
24.9 μs ± 95.2 ns per loop (mean ± std. dev. of 5 runs, 10000 loops each)
>>> %timeit -r5 list(map(''.join, chain.from_iterable(product(numbers, repeat=i) for i in range(1, 5))))
18.2 μs ± 41.2 ns per loop (mean ± std. dev. of 5 runs, 100000 loops each)