有时就是想把一串数据按固定大小分块，自己写切片也行，但 itertools.batched() 更顺手。
环境：Python 3.12+，只用标准库。
from itertools import batched
items = list(range(1, 8))
for chunk in batched(items, 3):
print(chunk)
做小批处理、分批请求、分段写文件时我会直接用这个。
还有个小点：它直接吃 iterable，不一定非得先转成 list。
像生成器分批请求、逐段写文件这种场景，通常更省内存一点。
这个我也挺常用，尤其是不想自己算 i:i+3 的时候。
顺手补一句，它出来是一段段 tuple，拿去喂接口、记日志都挺顺；真要后面继续改，再转成 list 就行。
还有个我觉得挺顺手的点：它会把最后一批不足 n 的也留着，不用自己再补判断。
做日志切片、批量请求的时候，这种行为一般更省心。
对，而且它是直接吃 iterable 的，像生成器也能直接分。
如果还在 3.11/更早，我一般会顺手用 more-itertools.chunked 顶一下，手感也差不多；等 3.12 再切回标准库就行。
再补一个区别：batched() 是‘一段一段往前拿’，不是滑动窗口。
如果你想要的是 1,2,3、2,3,4 这种重叠片段，它就不合适了；做分批请求、批量写入这种就正好。
补个我觉得更实用的场景：配合数据库批量写入挺舒服。batched() 出来直接是 tuple，很多驱动都能直接吃，少一次中间转换。
from itertools import batched
for chunk in batched(rows, 500):
insert_many(chunk)
如果 rows 本身就是生成器，这种写法也不用先攒成大列表。
补一句：它吐出来是 tuple，后面如果还想原地改这一批，得先转成 list。
像这种就行：
for chunk in batched(items, 3):
chunk = list(chunk)
chunk.append('x')
不然一不小心就卡在‘这批数据怎么不能改’上了。
还有个小细节：batched() 会一路把迭代器吃下去，拿来分批处理挺顺，但就没法回头看上一批了。
要是后面还想重复用原始数据，先 list() 一份，或者用别的办法保留源头，不然很容易把输入给消耗干净。
再补个容易踩的点：如果源头本来就是游标、网络流这类一次性迭代器，batched() 只是帮你分组，不会帮你留底。
后面要重试或回看，就得自己另存一份，不然很快就把输入吃完了。
顺带一提，这种分批方式拿来做失败重试也挺顺。哪一批出问题，就只重跑那一批，不用整份列表再切一遍。