在尝试用Python实现惰性分区时感觉很愚蠢

Question

我正在尝试实现迭代器对象的延迟分区，当迭代器的某个元素上的函数更改值时，该对象将生成迭代器的切片。这将模仿Clojure分区的行为（尽管输出的语义不同，因为Python将真正“消费”元素）。我的实现在它执行的操作数量上是最优的，但在它所需的内存中不是最佳的。我不明白为什么一个好的实现需要多于O（1）的内存，但是我的实现占用了O（k）内存，其中k是分区的大小。我希望能处理k值很大的情况。有人知道一个好的实现吗？在

正确的行为应该是

>>>unagi = [-1, 3, 4, 7, -2, 1, -3, -5]
>>> parts = partitionby(lambda x: x < 0,unagi)
>>> print [[y for y in x] for x in parts]
[[-1], [3, 4, 7], [-2], [1], [-3, -5]]

这是我现在的版本

^{pr2}$

Answer 1

为什么不reuse ^{}？我想是O（1）。在

def partitionby(f, iterable):
    return (g[1] for g in groupby(iterable, f))

groupby的实现与您的不同之处在于partition是一个专门的迭代器对象，而不是{}的{}的{}。。。在

Answer 2

它困扰着我，partition可能是一个普通列表，而不是迭代器，即：

partition = iter([current])
partition = chain(partition,iter([justseen]))
partition = iter([])

可能是：

^{pr2}$