众所周知,Pytnon 非常擅长处理数据,尤其是后期数据的清洗工作。今天派森酱就给大家介绍一款处理数据的神器 Pipe。
什么是 Pipe
简言之,Pipe 是 Python 的一个三方库。
通过 Pipe 我们可以将一个函数的处理结果传递给另外一个函数,这意味着你的代码会非常简洁。
要使用 Pipe 需要提前安装,直接使用 pip 安装即可。
1 |
|
过滤元素
和 filter 类似,pipe 中的 where 操作可以过滤可迭代对象中的元素。
1 |
|
作用元素
类似 map,select 操作可以将函数作用于可迭代对象中的每个元素。下面的例子中我们将列表中的元素都扩大 2 倍。
1 |
|
当然,还可以将多种操作合并在一起来玩。
下面的例子就是将列表中的偶数挑选出来并扩大 2 倍,和 filter 与 map 不同的是,pipe 可以将多个操作连接起来,就像水管套水管一样,所以我想管道这个名字也是很接地气了。
1 |
|
连接元素
操作嵌套列表时非常痛苦,值得高兴的是 pipe 给出了很友好的接口,只需要 chain 一下即可。
1 |
|
如你所见,chain 只可以拆开一层,如果要拆开多层嵌套的话,不要慌,traverse 轻松搞定。
1 |
|
结合 select 一起,获取字典中的某个字段属性集合。
1 |
|
分组
对列表中的元素进行分组是必不可少的,在 pipe 中可以使用 groupby 来完成。
1 |
|
同样,还可以在 select 中添加 where 过滤条件。
1 |
|
行列互换
数据处理中时常会用到行列互相转换,尤其是在用 DataFrame 时,使用 pipe 一行代码搞定行列转换。
1 |
|
删除元素
对列表去重也是一项常用的操作,在 pipe 中使用 dedup 来对列表进行去重。
1 |
|
与 dedup 不同的是,uniq 只会对连续的重复元素保留一个,非连续重复元素则不过滤。
1 |
|
总结
今天派森酱给大家介绍了一个处理数据的神器,使用管道可以让繁琐的操作浓缩在几行甚至一行代码搞定,提高可读性的同时还提升了代码的整洁程度,美滋滋~