一种更优雅书写Python代码的方式

最新推荐文章于 2025-11-24 15:28:47 发布

原创最新推荐文章于 2025-11-24 15:28:47 发布 · 1k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#开发语言 #python #数据分析

python脚本同时被 2 个专栏收录

22 篇文章

订阅专栏

Python教程

15 篇文章

订阅专栏

本文介绍了如何在Python中利用第三方库pipe实现链式数据处理，通过类比shell和R的管道操作，展示了pipe的灵活用法，包括filter、select等管道操作函数，并提到了如何配合Pipe函数优化代码执行效率。

1 简介

一些比较熟悉pandas的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)
)

在这里插入图片描述

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)
)

在这里插入图片描述

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)
)

在这里插入图片描述

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。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

在这里插入图片描述

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

在这里插入图片描述

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

在这里插入图片描述

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方优快云官方认证二维码或者点击链接免费领取【保证100%免费】