（數據科學學習手札144）使用管道操作符高效書寫Python代碼

本文示例代碼已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

1 簡介

　　大家好我是費老師，一些比較熟悉pandas的讀者朋友應該經常會使用query()、eval()、pipe()、assign()等pandas的常用方法（相關知識詳見我的pandas專題教程https://www.cnblogs.com/feffery/tag/pandas/），書寫可讀性很高的鏈式數據分析處理代碼，從而更加絲滑流暢地組織代碼邏輯。

　　但在原生Python中並沒有提供類似shell中的管道操作符|、R中的管道操作符%>%等語法，也沒有針對列表等數組結構的可進行鏈式書寫的快捷方法，譬如javascript中數組的map()、filter()、some()、every()等。

　　正所謂“標準庫不夠，三方庫來湊”，Python原生對鏈式寫法支持不到位沒關係，我們可以使用一些簡單方便且輕量的第三方庫來協助我們在Python代碼中大面積實現鏈式寫法，今天的文章中費老師我就將帶大家一起學習相關的知識技巧~

2 在Python中配合pipe靈活使用鏈式寫法

　　我們將使用到pipe這個第三方庫，它不僅內置了很多實用的管道操作函數，還提供了將常規函數快捷轉換爲管道操作函數的方法，使用pip install pipe對其進行安裝即可。

　　pipe的用法非常方便，類似shell中的管道操作：以你的數組變量爲起點，使用操作符|銜接pipe內置的各個常見管道操作函數，組裝起自己所需的計算步驟即可，譬如，我們篩選輸入數組中爲偶數的，再求平方，就可以寫作：

import pipe

list(
    range(10) | 
    pipe.filter(lambda x: x % 2 == 0) | 
    pipe.select(lambda x: x ** 2)
)

　　因爲pipe搭建的管道默認都是惰性運算的，直接產生的結果是生成器類型，所以上面的例子中我們最外層套上了list()來取得實際計算結果，更優雅的方式是配合pipe.Pipe()，將list()也改造爲管道操作函數：

from pipe import Pipe

(
    range(10) | 
    pipe.filter(lambda x: x % 2 == 0) | 
    pipe.select(lambda x: x ** 2) |
    Pipe(list)
)

　　在上面的簡單例子中我們使用到的filter()、select()等就是pipe中常見的管道操作函數，事實上pipe中的管道操作函數相當的豐富，下面我們來展示其中一些常用的：

2.1 pipe中常用的管道操作函數

2.1.1 使用traverse()展平嵌套數組

　　如果你想要將任意嵌套數組結構展平，可以使用traverse()：

(
    [1, [2, 3, [4, 5]], 6, [7, 8, [9, [10, 11]]]] | 
    pipe.traverse | 
    Pipe(list)
)

2.1.2 使用dedup()進行順序去重

　　如果我們需要對包含若干重複值的數組進行去重，且希望保留原始數據的順序，則可以使用dedup()，其還支持key參數，類似sorted()中的同名參數，實現自定義去重規則：

(
    [-1, 0, 0, 0, 1, 2, 3] | 
    pipe.dedup |
    Pipe(list)
)

(
    [-1, 0, 0, 0, 1, 2, 3] | 
    # 基於每個元素的絕對值進行去重
    pipe.dedup(key=abs) |
    Pipe(list)
)

2.1.3 使用filter()進行值過濾

　　我們最開始的例子中使用過它，用法就是基於傳入的lambda函數對每個元素進行條件判斷，並保留結果爲True的，與javascript中的filter()方法非常相似：

(
    [1, 4, 3, 2, 5, 6, 8] |
    # 保留大於5的元素
    pipe.filter(lambda x: x > 5) |
    Pipe(list)
)

2.1.4 使用groupby()進行分組運算

　　這個函數非常實用，其功能相當於管道操作版本的itertools.groupby()，可以幫助我們基於lambda函數運算結果對原始輸入數組進行分組，通過groupby()操作後直接得到的結果是分組結果的二元組列表，每個元組的第一個元素是分組標籤，第二個元素是分到該組內的各個元素：

　　基於此，我們可以銜接很多其他管道操作函數，譬如銜接select()對分組結果進行自定義運算：

2.1.5 使用select()對上一步結果進行自定義遍歷運算

　　這個函數是pipe()中核心的管道操作函數，通過前面的若干例子也能弄明白，它的功能是基於我們自定義的函數，對上一步的運算結果進行遍歷運算。

2.1.6 使用sort()進行排序

　　相當於內置函數sorted()的管道操作版本，同樣支持key、reverse參數：

　　上述內容足以支撐大部分日常操作需求，你也可以在https://github.com/JulienPalard/Pipe中查看pipe的更多功能介紹。

---

　　以上就是本文的全部內容，歡迎在評論區與我進行討論~