itertools.combinations生成无序不重复子集组合，返回迭代器更省内存；误用permutations会导致顺序不同但元素相同的重复项；含重复元素需先转set去重；product用于笛卡尔积但易oom；chain和islice支持惰性截断；accumulate与组合无关。
用 itertools.combinations 生成不重复的子集组合
它比手写嵌套循环快，且内存友好——因为返回的是迭代器，不是一次性构造列表。常见错误是误用 itertools.permutations，结果得到顺序不同但元素相同的重复项（比如 (1,2) 和 (2,1) 都算），而实际只需要一种。
- 选 k 个元素的所有无序组合：直接调用
itertools.combinations(iterable, k)，iterable可以是列表、元组甚至字符串 - 注意：输入序列的索引顺序会影响输出顺序，但不会影响组合唯一性；重复元素（如
[1,1,2]）会被当作不同位置处理，导致逻辑上“重复”的组合出现 - 如果原始数据本身含重复值且你想要去重组合，得先转
set或用itertools.combinations(set(iterable), k)，但要注意这会丢失原始顺序和重复计数语义
itertools.product 处理多维度枚举时的坑
它常被用来做笛卡尔积，比如参数网格搜索、测试用例生成。容易踩的坑是默认返回元组，而很多人期望的是扁平结构或自定义对象；另一个问题是没意识到它会穷举所有可能，数据量稍大就爆炸。
- 控制维度数量：传入多个可迭代对象，如
itertools.product([1,2], ['a','b'])→(1,'a'), (1,'b'), (2,'a'), (2,'b') - 想重复同一序列 n 次？用
repeat=n参数：itertools.product([0,1], repeat=3)等价于product([0,1], [0,1], [0,1]) - 性能警告：若每个维度长度为 m，共 n 维，则总项数是 mⁿ；别在 m=10、n=6 这种场景下直接转
list()，否则 OOM
用 itertools.chain 和 itertools.islice 控制组合流的边界
真实场景中，你往往不需要全部组合，只要前 N 个、或满足某条件的第一个。硬生成再切片浪费 CPU 和内存，itertools 提供了惰性截断能力。
-
itertools.chain(*iterables)把多个组合结果“拼起来”而不合并成大列表，适合分批处理不同来源的候选集 -
itertools.islice(combinations(...), max_count)是安全取前 N 项的唯一推荐方式；千万别写list(combinations(...))[:N]，那会先全生成再切 - 配合
next()找第一个匹配项：比如next((c for c in combinations(data, 3) if sum(c) == target), None)，比全量生成后Filter更省
为什么不用 itertools.accumulate 做组合累加
名字带“accumulate”，但它跟组合问题无关，只是对单个序列做前缀累计（如求前缀和）。有人看到名字就想当然用来“累积生成组合”，结果类型报错或逻辑错位。
立即学习“Python免费学习笔记（深入）”；
-
itertools.accumulate([1,2,3])返回[1, 3, 6]，不是组合，也不是排列 - 如果你真需要“组合 + 累加”（比如每组三个数求和），应该先用
combinations，再在外层 map 或生成器表达式里算sum - 混淆根源在于 python 文档里它和
combinations同属itertools，但语义毫无交集；记住：组合类函数名都含combinations/permutations/product，其余都不是
真正卡住人的，往往是组合结果的语义解释——比如该不该去重、要不要保留原始索引、是否允许空集——这些没法靠函数参数解决，得在调用前想清楚输入数据的业务含义。