1 简介

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，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)
     
    
   
    
     
    
    
     
      )