（数据科学学习手札144）使用管道操作符高效书写Python代码

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

　　大家好我是费老师，一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法（相关知识详见我的pandas专题教程https://www.cnblogs.com/feffery/tag/pandas/），书写可读性很高的链式数据分析处理代码，从而更加丝滑流畅地组织代码逻辑。

　　但在原生Python中并没有提供类似shell中的管道操作符|、R中的管道操作符%>%等语法，也没有针对列表等数组结构的可进行链式书写的快捷方法，譬如javascript中数组的map()、filter()、some()、every()等。

　　正所谓“标准库不够，三方库来凑”，Python原生对链式写法支持不到位没关系，我们可以使用一些简单方便且轻量的第三方库来协助我们在Python代码中大面积实现链式写法，今天的文章中费老师我就将带大家一起学习相关的知识技巧~

2 在Python中配合pipe灵活使用链式写法

　　我们将使用到pipe这个第三方库，它不仅内置了很多实用的管道操作函数，还提供了将常规函数快捷转换为管道操作函数的方法，使用pip install pipe对其进行安装即可。

　　pipe的用法非常方便，类似shell中的管道操作：以你的数组变量为起点，使用操作符|衔接pipe内置的各个常见管道操作函数，组装起自己所需的计算步骤即可，譬如，我们筛选输入数组中为偶数的，再求平方，就可以写作：

import pipe

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

　　因为pipe搭建的管道默认都是惰性运算的，直接产生的结果是生成器类型，所以上面的例子中我们最外层套上了list()来取得实际计算结果，更优雅的方式是配合pipe.Pipe()，将list()也改造为管道操作函数：

from pipe import Pipe

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

　　在上面的简单例子中我们使用到的filter()、select()等就是pipe中常见的管道操作函数，事实上pipe中的管道操作函数相当的丰富，下面我们来展示其中一些常用的：

2.1 pipe中常用的管道操作函数

2.1.1 使用traverse()展平嵌套数组

　　如果你想要将任意嵌套数组结构展平，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()进行顺序去重

　　如果我们需要对包含若干重复值的数组进行去重，且希望保留原始数据的顺序，则可以使用dedup()，其还支持key参数，类似sorted()中的同名参数，实现自定义去重规则：

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

(
    [-1, 0, 0, 0, 1, 2, 3] |
    # 基于每个元素的绝对值进行去重
    pipe.dedup(key=abs) |
    Pipe(list)
)

2.1.3 使用filter()进行值过滤

　　我们最开始的例子中使用过它，用法就是基于传入的lambda函数对每个元素进行条件判断，并保留结果为True的，与javascript中的filter()方法非常相似：

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

2.1.4 使用groupby()进行分组运算

　　这个函数非常实用，其功能相当于管道操作版本的itertools.groupby()，可以帮助我们基于lambda函数运算结果对原始输入数组进行分组，通过groupby()操作后直接得到的结果是分组结果的二元组列表，每个元组的第一个元素是分组标签，第二个元素是分到该组内的各个元素：

　　基于此，我们可以衔接很多其他管道操作函数，譬如衔接select()对分组结果进行自定义运算：

2.1.5 使用select()对上一步结果进行自定义遍历运算

　　这个函数是pipe()中核心的管道操作函数，通过前面的若干例子也能弄明白，它的功能是基于我们自定义的函数，对上一步的运算结果进行遍历运算。

2.1.6 使用sort()进行排序

　　相当于内置函数sorted()的管道操作版本，同样支持key、reverse参数：

　　上述内容足以支撑大部分日常操作需求，你也可以在https://github.com/JulienPalard/Pipe中查看pipe的更多功能介绍。

---

　　以上就是本文的全部内容，欢迎在评论区与我进行讨论~