作者:豆豆
来源:Python 技术
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。
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。
pip install pipe
和 filter 类似,pipe 中的 where 操作可以过滤可迭代对象中的元素。
In [5]: numbers = [0, 1, 2, 3, 4, 5] In [6]: list(numbers | where(lambda x: x % 2 == 0)) Out[6]: [0, 2, 4]
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。
In [8]: list(numbers | select(lambda x: x * 2)) Out[8]: [0, 2, 4, 6, 8, 10]
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。
In [10]: list(numbers ...: | where(lambda x: x % 2 == 0) ...: | select(lambda x: x * 2) ...: ) ...: Out[10]: [0, 4, 8]
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。
In [11]: list([[1, 2], [3, 4], [5]] | chain) Out[11]: [1, 2, 3, 4, 5] In [30]: list((1, 2, 3) | chain_with([4, 5], [6])) Out[30]: [1, 2, 3, 4, 5, 6] In [31]: list((1, 2, 3) | chain_with([4, 5], [6,[7]])) Out[31]: [1, 2, 3, 4, 5, 6, [7]]
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。
In [12]: list([[1, 2], [[[3], [[4]]], [5]]] | traverse) Out[12]: [1, 2, 3, 4, 5]
结合 select 一起,获取字典中的某个字段属性集合。
In [32]: fruits = [
...: {"name": "apple", "price": [2, 5]},
...: {"name": "orange", "price": 4},
...: {"name": "grape", "price": 5},
...: ]
In [33]: list(fruits
...: | select(lambda fruit: fruit["price"])
...: | traverse)
...:
Out[33]: [2, 5, 4, 5]
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。
In [26]: list(numbers ...: | groupby(lambda x: 'Even' if x % 2 == 0 else 'Odd') ...: | select(lambda x: {x[0]: list(x[1])}) ...: ) ...: Out[26]: [{'Even': [0, 2, 4]}, {'Odd': [1, 3, 5]}]
同样,还可以在 select 中添加 where 过滤条件。
In [27]: list(numbers
...: | groupby(lambda x: 'Even' if x % 2 == 0 else 'Odd')
...: | select(lambda x: {x[0]: list(x[1] | where(lambda x: x > 2))})
...: )
...:
Out[27]: [{'Even': [4]}, {'Odd': [3, 5]}]
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。
In [24]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]] | transpose Out[24]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)]
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。
In [28]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | dedup) Out[28]: [1, 2, 3]
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。
In [29]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | uniq) Out[29]: [1, 2, 3, 1, 2, 3]
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~
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14