在Python的标准库中，itertools模块是处理迭代器相关操作的利器，其中提供了专门用于生成排列、组合等序列的函数，能够高效完成这类常见需求，同时结合生成的结果可以很方便地计算特定属性的概率。
itertools中排列组合相关核心函数
itertools模块提供了三个常用的排列组合相关函数，分别是permutations、combinations和combinations_with_replacement，下面分别介绍它们的用法。
permutations函数
该函数用于生成可迭代对象中所有长度为r的排列，排列考虑元素的顺序，当不指定r时，默认生成所有长度的排列，直到元素被全部取出。
import itertools # 生成列表[1,2,3]中长度为2的排列 perm_result = itertools.permutations([1,2,3], 2) # 转换为列表查看结果 perm_list = list(perm_result) print(perm_list) # 输出：[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]
combinations函数
该函数用于生成可迭代对象中所有长度为r的组合，组合不考虑元素的顺序，即(1,2)和(2,1)会被视为同一个组合，只保留一个。
import itertools # 生成列表[1,2,3]中长度为2的组合 comb_result = itertools.combinations([1,2,3], 2) comb_list = list(comb_result) print(comb_list) # 输出：[(1, 2), (1, 3), (2, 3)]
combinations_with_replacement函数
该函数生成的组合允许元素重复出现，同样不考虑顺序，比如(1,1)这样的组合会被包含在内。
import itertools # 生成列表[1,2]中长度为2的允许重复的组合 comb_rep_result = itertools.combinations_with_replacement([1,2], 2) comb_rep_list = list(comb_rep_result) print(comb_rep_list) # 输出：[(1, 1), (1, 2), (2, 2)]
基于生成结果计算特定属性概率
概率的计算公式为：特定属性样本数 / 总样本数。我们可以先通过itertools生成所有的排列或组合作为总样本，再统计其中满足特定属性的样本数量，最终计算概率。
案例：计算组合中元素和为偶数的概率
以从数字1到5中选取3个数字的组合为例，计算组合中三个数字之和为偶数的概率。
import itertools
# 生成1到5中选取3个数字的所有组合
total_combs = list(itertools.combinations(range(1,6), 3))
total_count = len(total_combs)
# 统计元素和为偶数的组合数量
even_sum_count = 0
for comb in total_combs:
if sum(comb) % 2 == 0:
even_sum_count += 1
# 计算概率
probability = even_sum_count / total_count
print(f"总组合数：{total_count}")
print(f"和为偶数的组合数：{even_sum_count}")
print(f"概率：{probability:.2f}")
上述代码首先生成了所有组合，然后遍历每个组合计算元素和，统计满足条件的组合数量，最后用满足条件的数量除以总数量得到概率，运行后可以得到对应的结果。
案例：排列中特定位置元素满足条件的概率
再来看一个排列的案例，从字符a、b、c、d中选取3个字符生成排列，计算第一个字符是a的排列的概率。
import itertools
# 生成所有长度为3的排列
total_perms = list(itertools.permutations(['a','b','c','d'], 3))
total_count = len(total_perms)
# 统计第一个字符是a的排列数量
first_a_count = 0
for perm in total_perms:
if perm[0] == 'a':
first_a_count += 1
# 计算概率
probability = first_a_count / total_count
print(f"总排列数：{total_count}")
print(f"第一个字符是a的排列数：{first_a_count}")
print(f"概率：{probability:.2f}")
注意事项
- itertools生成的是迭代器对象，如果需要多次使用生成的结果，建议先转换为列表保存，避免迭代器被消耗后无法再次使用。
- 当原始可迭代对象元素较多、选取长度较大时，生成的排列组合数量会快速增长，需要注意内存占用问题，可以结合生成器特性逐次处理，不需要一次性保存所有结果。
- 统计特定属性时，要确保判断条件的逻辑正确，避免统计错误导致概率计算偏差。