（数据科学学习手札107）在Python中利用funct实现链式风格编程

本文示例代码已上传至个人Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

　　链式编程是一种很是高效的组织代码的方式，典型如pandas与scikit-learn中的pipe()，以及R中的管道操做符%>%等，它们均可以帮助咱们像链接管道同样，将计算过程当中的不一样步骤顺滑的链接起来，从而取代繁琐的函数嵌套以及避免多余中间变量的建立。

图1

　　链式编程与常规写法的比较以下例：

# 非链式写法
func4(func3(func2(func1(A))))

# 链式写法
A.func1().func2().func3().func4()

　　哪种写法更简洁明了，想必你们一眼就看得出来，而今天的文章就将带你们认识如何借助funct的力量，来改造Python原生列表，赋予其链式计算的能力。

2 利用funct.Array实现链式计算

　　funct的设计理念就是相似Python列表但更棒，它借鉴了numpy的不少特色，配合功能丰富的各类链式计算方法，使得咱们在使用它完成计算任务编写代码如丝般顺滑时~

　　利用pip install funct完成安装（本文演示版本为0.9.2）以后，下面咱们来认识它的一些优秀特性吧~

2.1 funct.Array的建立

　　funct中类比列表和numpy中的数组，创造了Array这种特别的数据结构，经常使用的有以下几种建立方式：

• 从其余数据结构建立

　　最常规的方式是从现有的其余数据结构，转换到Array，常见以下面的几个例子：

图2

• 相似numpy风格的规则建立方法

　　除了从现成的数据中建立Array以外，咱们还能够相似numpy中的linspace()等API那样，基于规则批量建立数据，经常使用的有以下两种方法：

图3

• 建立嵌套Array

　　既然是创建在列表的基础上，那么funct对嵌套Array尤为是不规则嵌套Array的支持也是很到位的：

图4

　　但在配合多个numpy数组构建嵌套Array时要注意，最后必定要加上toArray()方法才能完全完成转换：

图5

2.2 funct.Array的索引

　　大体介绍完如何建立funct.Array以后，很重要的一点就是如何对已有Array进行索引，在funct中针对Array设计了以下几种丰富的索引方式：

• 列表式索引

　　既然继承自列表，天然可使用Python原生列表的索引与切片方式：

图6

• 数组式索引

　　咱们都知道Python原生列表不能传入一系列标号对应的数组来一次性索引出多个值，除非转换为numpy数组或pandas的Series，但这又会在一些应用场景下丢失灵活性，但在Array中，它能够！

图7

• Bool值索引

　　Array一样支持传入Bool值索引，使得咱们能够将某个条件判断以后的判断结果做为索引依据传入：

图8

• 多层索引

　　既然Array是支持嵌套结构的，天然能够进行多层索引，但须要注意的是：

图9

2.3 funct.Array的链式骚操做

　　讲完了如何建立与索引funct.Array以后，就来到了本文的重头戏——Array的链式运算上，在funct.Array中，几乎全部常见的数值与逻辑运算都被封装到方法中，咱们来一阶一阶的来看看不一样状况下如何组织代码：

• level1：基础的数值运算

　　首先咱们来看看最基础的四则运算等操做在Array中如何链式下去：

图10

　　这样每一步都很清楚，且每一步均可以独立添加注释，保持了代码的可读性，譬如可用于归一化与标准化的计算上：

图11

• level2：配合map方法推广元素级别运算

　　除了使用内置的基础的运算方法以外，在funct.Array中还支持配合map()方法将任意函数应用到每一个元素上，从而无限拓宽计算的自由性，譬如咱们在前面归一化的基础上对数据进行分箱：

图12

• level3：配合zip方法引入其余Array参与运算

　　当咱们想要在链式运算中引入其余数组对象时，就能够用到更高级的zip()方法，譬如咱们想找出多个Array中相同位置最大值：

图13

• level4：条件分组

　　在pandas中咱们能够利用groupby()进行数据分箱并衔接任意形式的运算，在funct.Array中咱们也能够配合groupBy()方法实现：

图14

　　而除了本文介绍到的这一点API以外，funct还提供了上百种实用API，而且还具备并行执行与并发执行等高级特性，感兴趣的朋友能够前往官方文档查看（ https://github.com/Lauriat/funct ）。

---

　　以上就是本文的所有内容，欢迎在评论区与我进行讨论~