如何用itertools生成带重复、递增长度的元素组合并添加分隔符

问题描述 #

我尝试用itertools生成一个列表，包含原列表元素允许重复、长度从1到指定值递增的所有组合，并用指定分隔符连接元素，但一直没成功。

示例 #

lis = ['a','b','c']
separator = '/'
total_number_of_combinations = 3
# 期望生成的列表
permutation_list = ['a','b','c', 'a/a', 'a/b', 'a/c', 'b/a', 'b/b', 'b/c', 'c/a', 'c/b', 'c/c',
                    'a/a/a', 'a/a/b', 'a/a/c', 'a/b/a', 'a/b/b', 'a/b/c', 'a/c/a', 'a/c/b', 'a/c/c',
                    'b/a/a', 'b/a/b', 'b/a/c', 'b/b/a', 'b/b/b', 'b/b/c', 'b/c/a', 'b/c/b', 'b/c/c',
                    'c/a/a', 'c/a/b', 'c/a/c', 'c/b/a', 'c/b/b', 'c/b/c', 'c/c/a', 'c/c/b', 'c/c/c']

该列表的元素总数公式为：len(lis) + len(lis)**2 + len(lis)**3 + ... + len(lis)**n，其中n = total_number_of_combinations。

我需要：

• 分隔符和total_number_of_combinations可灵活修改
• 生成的列表能直接用于Pandas DataFrame的过滤（如dt[dt.my_col.isin(permutation_list)]）

实际场景 #

lis = ['BRUTELE','COCKPIT EST', 'CIRCET']
separator = ' / '
total_number_of_combinations = 10
# 最终需生成88572个元素的列表

解决方案 #

你要的是可重复的笛卡尔积，使用itertools.product即可实现，只需遍历从1到指定长度的所有取值，对每个长度生成笛卡尔积后用分隔符拼接即可。

代码实现：

import itertools

def generate_combination_list(lis, separator, max_length):
    result = []
    for length in range(1, max_length + 1):
        # 生成对应长度的可重复笛卡尔积
        for combo in itertools.product(lis, repeat=length):
            result.append(separator.join(combo))
    return result

# 测试示例场景
lis = ['a','b','c']
separator = '/'
total_number_of_combinations = 3
permutation_list = generate_combination_list(lis, separator, total_number_of_combinations)
print(len(permutation_list))  # 输出39，与示例元素总数一致

# 实际场景调用
lis_real = ['BRUTELE','COCKPIT EST', 'CIRCET']
separator_real = ' / '
total_real = 10
result_real = generate_combination_list(lis_real, separator_real, total_real)
print(len(result_real))  # 输出88572，符合需求

关键说明 #

• itertools.product(lis, repeat=length)：生成所有长度为length的可重复元素组合，保留顺序（比如a/b和b/a都会被生成），完全匹配你的需求
• separator.join(combo)：将笛卡尔积的元组元素用指定分隔符拼接成字符串
• 遍历1到max_length的所有长度，确保覆盖所有递增长度的组合

性能提示 #

当max_length较大时（比如10），元素数量会指数级增长，生成列表时注意内存占用。如果仅用于Pandas过滤，也可以考虑用生成器配合pd.Series.str.contains做模糊匹配，但精准匹配场景下，直接生成列表是最可靠的方式。

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