【Python基础】内置函数filter详解
filter，顾名思义，就是一个过滤器。其作用是从列表（或其他序列类型）中筛选出满足条件的子列表，filter是python的内置函数，无须import即可直接使用。
1 filter的基础用法
对于列表（或其他序列类型），如果希望从中筛选出满足某个约束条件的子列表，我们一般的做法是使用一个for循环遍历每个元素然后执行相同约束条件判断，将满足条件的放入新的子列表中。例如，从列表中找出所有偶数子列表，并按对应的先后顺序放入子列表中:
a = [1, 2, 3, 4, 5] b = [] for i in a: if i % 2 == 0: b.append(i)
那么如果使用filter的话，使用filter函数使得代码变得更简洁：
a = [1, 2, 3, 4, 5] def check(i): return i % 2 == 0 b = list(filter(check, a))
2 filter与for循环性能对比
前面在讲map时，我们知道map函数除了能让代码更优雅以外，使用map比使用for循环速度更快。同样的，使用filter远比使用for循环快。我们做个实验，从长为100000的列表中，查找偶数对比耗时：
import time def test_for(length): sub_list = [] begin = time.perf_counter() for i in range(length): if i % 2 == 0: sub_list.append(i) end = time.perf_counter() print('for循环耗时:', (end - begin)) def test_filter(length): def check(i): return i % 2 == 0 begin = time.perf_counter() sub_list = filter(check, range(length)) end = time.perf_counter() print('filter耗时:', (end - begin)) test_for(100000) test_filter(100000)
输出结果如下：
for循环耗时: 0.015271199999999999 filter耗时: 1.4000000000000123e-05
从输出结果可以看到：
在十万级别数据上，filter的速度大约是for循环的1000倍。
当然了，具体的速度对比方面跟具体的硬件有关，一般而言，如果本地机器硬件配置越高，那么这个倍数越高。所以，平时写代码时，可以稍微注意一下，是否可以使用更高效的替代方案。
