帅到爆炸!使用管道 Pipe 编写 Python 代码竟如此简洁

简介: 众所周知,Pytnon 非常擅长处理数据,尤其是后期数据的清洗工作。今天派森酱就给大家介绍一款处理数据的神器 Pipe。

什么是 Pipe

简言之,Pipe 是 Python 的一个三方库。

通过 Pipe 我们可以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非常简洁。

要使用 Pipe 需要提前安装,直接使用 pip 安装即可。

pip install pipe

过滤元素

和 filter 类似,pipe 中的 where 操作可以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

类似 map,select 操作可以将函数作用于可迭代对象中的每个元素。下面的例子中我们将列表中的元素都扩大 2 倍。

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

当然,还可以将多种操作合并在一起来玩。

下面的例子就是将列表中的偶数挑选出来并扩大 2 倍,和 filter 与 map 不同的是,pipe 可以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]

连接元素

操作嵌套列表时非常痛苦,值得高兴的是 pipe 给出了很友好的接口,只需要 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 只可以拆开一层,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]

结合 select 一起,获取字典中的某个字段属性集合。

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 中可以使用 groupby 来完成。

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,还可以在 select 中添加 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]}]

行列互换

数据处理中时常会用到行列互相转换,尤其是在用 DataFrame 时,使用 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常用的操作,在 pipe 中使用 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 只会对连续的重复元素保留一个,非连续重复元素则不过滤。

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

总结

今天派森酱给大家介绍了一个处理数据的神器,使用管道可以让繁琐的操作浓缩在几行甚至一行代码搞定,提高可读性的同时还提升了代码的整洁程度,美滋滋~

目录
相关文章
|
6天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
179 102
|
6天前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
171 104
|
6天前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
167 103
|
6天前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
117 82
|
6天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的多面手
Python:现代编程的多面手
22 0
|
15天前
|
存储 人工智能 算法
Python实现简易成语接龙小游戏:从零开始的趣味编程实践
本项目将中国传统文化与编程思维相结合,通过Python实现成语接龙游戏,涵盖数据结构、算法设计与简单AI逻辑,帮助学习者在趣味实践中掌握编程技能。
67 0
|
1月前
|
安全 测试技术 数据处理
Python列表推导式进阶:从简洁代码到高效编程的10个核心技巧
列表推导式是Python中高效的数据处理工具,能将多行循环代码压缩为一行,提升代码可读性与执行效率。本文详解其基础语法、嵌套循环、条件表达式、函数融合、性能优化等进阶技巧,并结合实战案例与边界条件处理,帮助开发者写出更优雅、高效的Python代码。
108 0
|
1月前
|
机器学习/深度学习 人工智能 运维
Python:简洁高效的万能编程胶水
Python:简洁高效的万能编程胶水
|
3月前
|
Python
Python编程基石:整型、浮点、字符串与布尔值完全解读
本文介绍了Python中的四种基本数据类型:整型(int)、浮点型(float)、字符串(str)和布尔型(bool)。整型表示无大小限制的整数,支持各类运算;浮点型遵循IEEE 754标准,需注意精度问题;字符串是不可变序列,支持多种操作与方法;布尔型仅有True和False两个值,可与其他类型转换。掌握这些类型及其转换规则是Python编程的基础。
215 33
|
2月前
|
数据采集 分布式计算 大数据
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
89 1