乐趣区

关于python:帅到爆炸使用管道-Pipe-编写-Python-代码竟如此简洁

家喻户晓,Pytnon 十分善于解决数据,尤其是前期数据的荡涤工作。明天派森酱就给大家介绍一款解决数据的神器 Pipe。

什么是 Pipe

简言之,Pipe 是 Python 的一个三方库。

通过 Pipe 咱们能够将一个函数的处理结果传递给另外一个函数,这意味着你的代码会十分简洁。

要应用 Pipe 须要提前装置,间接应用 pip 装置即可。

pip install pipe

过滤元素

和 filter 相似,pipe 中的 where 操作能够过滤可迭代对象中的元素。

In [5]: numbers = [0, 1, 2, 3, 4, 5]

In [6]: list(numbers | where(lambda x: x % 2 == 0))
Out[6]: [0, 2, 4]

作用元素

相似 map,select 操作能够将函数作用于可迭代对象中的每个元素。上面的例子中咱们将列表中的元素都扩充 2 倍。

In [8]: list(numbers | select(lambda x: x * 2))
Out[8]: [0, 2, 4, 6, 8, 10]

当然,还能够将多种操作合并在一起来玩。

上面的例子就是将列表中的偶数筛选进去并扩充 2 倍,和 filter 与 map 不同的是,pipe 能够将多个操作连接起来,就像水管套水管一样,所以我想管道这个名字也是很接地气了。

In [10]: list(numbers
    ...:     | where(lambda x: x % 2 == 0)
    ...:     | select(lambda x: x * 2)
    ...:    )
    ...:
Out[10]: [0, 4, 8]

连贯元素

操作嵌套列表时十分苦楚,值得快乐的是 pipe 给出了很敌对的接口,只须要 chain 一下即可。

In [11]: list([[1, 2], [3, 4], [5]] | chain)
Out[11]: [1, 2, 3, 4, 5]

In [30]: list((1, 2, 3) | chain_with([4, 5], [6]))
Out[30]: [1, 2, 3, 4, 5, 6]

In [31]: list((1, 2, 3) | chain_with([4, 5], [6,[7]]))
Out[31]: [1, 2, 3, 4, 5, 6, [7]]

如你所见,chain 只能够拆开一层,如果要拆开多层嵌套的话,不要慌,traverse 轻松搞定。

In [12]: list([[1, 2], [[[3], [[4]]], [5]]] | traverse)
Out[12]: [1, 2, 3, 4, 5]

联合 select 一起,获取字典中的某个字段属性汇合。

In [32]: fruits = [...:     {"name": "apple", "price": [2, 5]},
    ...:     {"name": "orange", "price": 4},
    ...:     {"name": "grape", "price": 5},
    ...: ]

In [33]: list(fruits
    ...:      | select(lambda fruit: fruit["price"])
    ...:      | traverse)
    ...:
Out[33]: [2, 5, 4, 5]

分组

对列表中的元素进行分组是必不可少的,在 pipe 中能够应用 groupby 来实现。

In [26]: list(numbers
    ...:      | groupby(lambda x: 'Even' if x % 2 == 0 else 'Odd')
    ...:      | select(lambda x: {x[0]: list(x[1])})
    ...:     )
    ...:
Out[26]: [{'Even': [0, 2, 4]}, {'Odd': [1, 3, 5]}]

同样,还能够在 select 中增加 where 过滤条件。

In [27]: list(numbers
    ...:      | groupby(lambda x: 'Even' if x % 2 == 0 else 'Odd')
    ...:      | select(lambda x: {x[0]: list(x[1] | where(lambda x: x > 2))})
    ...:     )
    ...:
Out[27]: [{'Even': [4]}, {'Odd': [3, 5]}]

行列调换

数据处理中时常会用到行列相互转换,尤其是在用 DataFrame 时,应用 pipe 一行代码搞定行列转换。

In [24]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]] | transpose
Out[24]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)]

删除元素

对列表去重也是一项罕用的操作,在 pipe 中应用 dedup 来对列表进行去重。

In [28]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | dedup)
Out[28]: [1, 2, 3]

与 dedup 不同的是,uniq 只会对间断的反复元素保留一个,非间断反复元素则不过滤。

In [29]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | uniq)
Out[29]: [1, 2, 3, 1, 2, 3]

总结

明天给大家介绍了一个解决数据的神器,应用管道能够让繁琐的操作稀释在几行甚至一行代码搞定,进步可读性的同时还晋升了代码的整洁水平,美滋滋~

以上就是本次分享的所有内容,如果你感觉文章还不错,欢送关注公众号:Python 编程学习圈 ,每日干货分享,发送“J”还可支付大量学习材料。或是返回编程学习网,理解更多编程技术常识。

退出移动版