1 簡介
大家好，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」資料分析處理程式碼，從而更加絲滑流暢地組織程式碼邏輯。
但在原生Python中並沒有提供類似shell中的管道運算子|、R中的管道運算子%>%等語法，也沒有針對列表等陣列結構的可進行鏈式書寫的快捷方法，譬如javascript中陣列的map()、filter()、some()、every()等。
正所謂“標準庫不夠，三方庫來湊”，Python原生對鏈式寫法支援不到位沒關係，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程式碼中大面積實現鏈式寫法，今天的文章中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，它不僅內建了很多實用的「管道操作函式」，還提供了將常規函式快捷「轉換」為管道操作函式的方法，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：以你的陣列變數為起點，使用運算子|銜接pipe內建的各個常見管道操作函式，組裝起自己所需的計算步驟即可，譬如，我們篩選輸入陣列中為偶數的，再求平方，就可以寫作：
import pipelist(
range(10) |
pipe.filter(lambda x: x % 2 == 0) |
pipe.select(lambda x: x ** 2)
)
因爲pipe搭建的管道預設都是惰性運算的，直接產生的結果是生成器型別，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()也改造為管道操作函式：
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式，事實上pipe中的管道操作函式相當的豐富，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式
2.1.1 使用traverse()展平巢狀陣列
如果你想要將任意巢狀陣列結構展平，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陣列進行去重，且希望保留原始資料的順序，則可以使用dedup()，其還支援key引數，類似key引數，中的同名引數，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函式對每個元素進行條件判斷，並保留結果為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
這個函式非常實用，其功能相當於管道操作版本的itertools.groupby()，可以幫助我們基於lambda函式運算結果對原始輸入陣列進行分組，透過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式，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
這個函式是pipe()中核心的管道操作函式，透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式，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
相當於內建函式sorted()的管道操作版本，同樣支援key、reverse引數：
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中檢視pipe的更多功能介紹。
以上就是本文的全部內容~
本文示例程式碼已上傳至我的Github倉庫
https://github.com/CNFeffery/DataScienceStudyNotes文章來源於： Python大數據分析
原文連結：https://mp.weixin.qq.com/s/HoJkoedKlbQG6hBNl7RzVA
立即試用FineBI免費版：
https://intl.finebi.com/zh-tw/trial?utm_source=Medium_Banner
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
