?

本文示例代碼已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

?

1 簡介

鏈?zhǔn)骄幊淌且环N非常高效的組織代碼的方式，典型如pandas與scikit-learn中的pipe()，以及R中的管道操作符%>%等，它們都可以幫助我們像連接管道一樣，將計(jì)算過程中的不同步驟順滑的連接起來，從而取代繁瑣的函數(shù)嵌套以及避免多余中間變量的創(chuàng)建。

鏈?zhǔn)骄幊膛c常規(guī)寫法的比較如下例：

#?非鏈?zhǔn)綄懛?/span>
func4(func3(func2(func1(A))))

#?鏈?zhǔn)綄懛?/span>
A.func1().func2().func3().func4()

哪一種寫法更簡潔明了，想必大家一眼就看得出來，而今天的文章就將帶大家認(rèn)識(shí)如何借助funct的力量，來改造Python原生列表，賦予其鏈?zhǔn)接?jì)算的能力。

2 利用funct.Array實(shí)現(xiàn)鏈?zhǔn)接?jì)算

funct的設(shè)計(jì)理念就是類似Python列表但更棒，它借鑒了numpy的很多特點(diǎn)，配合功能豐富的各種鏈?zhǔn)接?jì)算方法，使得我們在使用它完成計(jì)算任務(wù)編寫代碼如絲般順滑時(shí)~

利用pip install funct完成安裝（本文演示版本為「0.9.2」）之后，下面我們來認(rèn)識(shí)它的一些優(yōu)秀特性吧~

2.1 funct.Array的創(chuàng)建

funct中類比列表和numpy中的數(shù)組，創(chuàng)造了Array這種特別的數(shù)據(jù)結(jié)構(gòu)，常用的有如下幾種創(chuàng)建方式：

• 「從其他數(shù)據(jù)結(jié)構(gòu)創(chuàng)建」

最常規(guī)的方式是從現(xiàn)有的其他數(shù)據(jù)結(jié)構(gòu)，轉(zhuǎn)換到Array，常見如下面的幾個(gè)例子：

• 「類似numpy風(fēng)格的規(guī)則創(chuàng)建方法」

除了從現(xiàn)成的數(shù)據(jù)中創(chuàng)建Array之外，我們還可以類似numpy中的linspace()等API那樣，基于規(guī)則批量創(chuàng)建數(shù)據(jù)，常用的有如下兩種方法：

• 「創(chuàng)建嵌套Array」

既然是建立在列表的基礎(chǔ)上，那么funct對(duì)嵌套Array尤其是不規(guī)則嵌套Array的支持也是很到位的：

但在配合多個(gè)numpy數(shù)組構(gòu)建嵌套Array時(shí)要注意，最后一定要加上toArray()方法才能徹底完成轉(zhuǎn)換：

2.2 funct.Array的索引

大致介紹完如何創(chuàng)建funct.Array之后，很重要的一點(diǎn)就是如何對(duì)已有Array進(jìn)行索引，在funct中針對(duì)Array設(shè)計(jì)了如下幾種豐富的索引方式：

• 「列表式索引」

既然繼承自列表，自然可以使用Python原生列表的索引與切片方式：

• 「數(shù)組式索引」

我們都知道Python原生列表不能傳入一系列標(biāo)號(hào)對(duì)應(yīng)的數(shù)組來一次性索引出多個(gè)值，除非轉(zhuǎn)換為numpy數(shù)組或pandas的Series，但這又會(huì)在一些應(yīng)用場景下丟失靈活性，但在Array中，它可以！

• 「Bool值索引」

Array同樣支持傳入Bool值索引，使得我們可以將某個(gè)條件判斷之后的判斷結(jié)果作為索引依據(jù)傳入：

• 「多層索引」

既然Array是支持嵌套結(jié)構(gòu)的，自然可以進(jìn)行多層索引，但需要注意的是：

2.3 funct.Array的鏈?zhǔn)津}操作

講完了如何創(chuàng)建與索引funct.Array之后，就來到了本文的重頭戲——Array的鏈?zhǔn)竭\(yùn)算上，在funct.Array中，幾乎所有常見的數(shù)值與邏輯運(yùn)算都被封裝到方法中，我們來一階一階的來看看不同情況下如何組織代碼：

• 「level1：基礎(chǔ)的數(shù)值運(yùn)算」

首先我們來看看最基礎(chǔ)的四則運(yùn)算等操作在Array中如何鏈?zhǔn)较氯ィ?/p>

這樣每一步都很清楚，且每一步都可以獨(dú)立添加注釋，保持了代碼的可讀性，譬如可用于歸一化與標(biāo)準(zhǔn)化的計(jì)算上：

• 「level2：配合map方法推廣元素級(jí)別運(yùn)算」

除了使用內(nèi)置的基礎(chǔ)的運(yùn)算方法之外，在funct.Array中還支持配合map()方法將任意函數(shù)應(yīng)用到每個(gè)元素上，從而無限拓寬計(jì)算的自由性，譬如我們在前面歸一化的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行分箱：

• 「level3：配合zip方法引入其他Array參與運(yùn)算」

當(dāng)我們想要在鏈?zhǔn)竭\(yùn)算中引入其他數(shù)組對(duì)象時(shí)，就可以用到更高級(jí)的zip()方法，譬如我們想找出多個(gè)Array中相同位置最大值：

• 「level4：條件分組」

在pandas中我們可以利用groupby()進(jìn)行數(shù)據(jù)分箱并銜接任意形式的運(yùn)算，在funct.Array中我們也可以配合groupBy()方法實(shí)現(xiàn)：

而除了本文介紹到的這一點(diǎn)API之外，funct還提供了上百種實(shí)用API，并且還具有「并行執(zhí)行」與「并發(fā)執(zhí)行」等高級(jí)特性，感興趣的朋友可以前往官方文檔查看（ https://github.com/Lauriat/funct ）。

以上就是本文的全部內(nèi)容，歡迎在評(píng)論區(qū)與我進(jìn)行討論~