如何筛选迭代器（Iterator）子集并保留其迭代器类型？

要解决内存不足的问题，核心是避免一次性生成并存储所有元素，改用惰性求值的迭代器来逐个生成符合条件的结果。以下是针对你的场景及通用情况的解决方案：

针对你的布尔排列筛选场景 #

直接将原列表推导式的方括号[]替换为圆括号()，即可得到一个迭代器（生成器表达式），不会一次性加载所有元素到内存：

import itertools

# 生成器表达式返回迭代器，惰性生成符合条件的排列
filtered_permutations = (
    p for p in itertools.product([True, False], repeat=4)
    if p != p[::-1]
)

你可以通过next(filtered_permutations)逐个获取结果，或者用for循环遍历，全程仅在内存中保留当前处理的元素。

适用于任意迭代器和筛选策略的通用方案 #

如果需要复用筛选逻辑，可封装一个通用的筛选函数，通过yield实现惰性返回：

def filter_iterator(source_iter, condition):
    """
    对输入迭代器进行筛选，返回新的迭代器
    
    参数:
        source_iter: 原始迭代器
        condition: 筛选条件函数，接收迭代元素，返回布尔值（True表示保留该元素）
    """
    for item in source_iter:
        if condition(item):
            yield item

使用示例 #

比如针对你的回文排除需求：

original_iter = itertools.product([True, False], repeat=100)  # 超大迭代器也不会占内存
filtered_iter = filter_iterator(original_iter, lambda x: x != x[::-1])

# 遍历结果，仅在需要时生成元素
for perm in filtered_iter:
    # 处理单个排列
    print(perm)

原理说明 #

• 列表推导式[...]会一次性计算所有符合条件的元素并存储为列表，当迭代器元素数量极大时（比如repeat=30对应超过10亿个排列），必然导致内存溢出。
• 生成器表达式(...)和基于yield的函数返回的都是迭代器，采用惰性求值：只有在调用next()或遍历的时候才会生成下一个符合条件的元素，内存中始终只保留当前元素，彻底解决内存不足问题。

内容的提问来源于stack exchange，提问作者DuesserBaest