Python 标准库里藏着一个被严重低估的宝藏模块——itertools。几乎每个 Python 开发者都 import 过它。但大多数人只用其中三四个函数，剩下的就像工具箱里生锈的扳手，从来没碰过。说起来，这篇报告把全部函数梳理清楚。按照“你在真实代码里会多频繁用到它”来排序，而不是照着官方文档的顺序念经。

一、什么是 itertools为什么值得认真学？

itertools 是 Python 标准库中专门处理迭代器的模块，灵感来自 APL、Haskell 和 SML 等函数式编程语言。它的主要哲学是建立一套“迭代器代数”——把简单的迭代器组合起来搭出复杂而高效的数据处理流水线。话说回来，

两个关键优势让它与众不同：

• 内存效率极高itertools 的函数几乎全部是惰性求值的。说白了数据不会一次性全部加载进内存，而是用到哪块算哪块。处理一个几十 GB 的日志文件。和处理一个几行的列表，内存使用几乎没有区别。
• 速度快底层用 C 实现，比手写的 Python 循环快得多。研究发现，itertools 在节省内存的同时速度损耗微乎其微。对绝大多数真实场景来说是非常划算的交换。其实，

痛点一：在项目中经常需要遍历超大文件或无限流。却因为一次性读取导致 OOM； 使用惰性迭代器可以彻底摆脱这个困扰。

基本概念快速回顾

• 可迭代对象: 能被 for 循环遍历的东西，比如列表、字符串、字典。
• 迭代器: 只能向前走、不能回头的对象，每次调用 next 才会产生下一个元素。itertools 的所有函数返回的都是迭代器。

二、函数全景图

官方文档把 25 个函数划分为三大类，这里用表格直观展示：

三、最常用的函数：日常代码主力军

alert chain 和 alert chain.from_iterable — 拼接利器

痛点二： 当你在爬虫或日志处理中收到「多个列表」时经常会写 alert sum] 之类低效代码；`chain` 能一次搞定且不占额外内存。

result = list)