（數據科學學習手札107）在Python中利用funct實現鏈式風格編程

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

1 簡介

　　鏈式編程是一種很是高效的組織代碼的方式，典型如pandas與scikit-learn中的pipe()，以及R中的管道操做符%>%等，它們均可以幫助咱們像鏈接管道同樣，將計算過程當中的不一樣步驟順滑的鏈接起來，從而取代繁瑣的函數嵌套以及避免多餘中間變量的建立。

圖1

　　鏈式編程與常規寫法的比較以下例：

# 非鏈式寫法
func4(func3(func2(func1(A))))

# 鏈式寫法
A.func1().func2().func3().func4()

　　哪種寫法更簡潔明瞭，想必你們一眼就看得出來，而今天的文章就將帶你們認識如何藉助funct的力量，來改造Python原生列表，賦予其鏈式計算的能力。

2 利用funct.Array實現鏈式計算

　　funct的設計理念就是相似Python列表但更棒，它借鑑了numpy的不少特色，配合功能豐富的各類鏈式計算方法，使得咱們在使用它完成計算任務編寫代碼如絲般順滑時~

　　利用pip install funct完成安裝（本文演示版本爲0.9.2）以後，下面咱們來認識它的一些優秀特性吧~

2.1 funct.Array的建立

　　funct中類比列表和numpy中的數組，創造了Array這種特別的數據結構，經常使用的有以下幾種建立方式：

• 從其餘數據結構建立

　　最常規的方式是從現有的其餘數據結構，轉換到Array，常見以下面的幾個例子：

圖2

• 相似numpy風格的規則建立方法

　　除了從現成的數據中建立Array以外，咱們還能夠相似numpy中的linspace()等API那樣，基於規則批量建立數據，經常使用的有以下兩種方法：

圖3

• 建立嵌套Array

　　既然是創建在列表的基礎上，那麼funct對嵌套Array尤爲是不規則嵌套Array的支持也是很到位的：

圖4

　　但在配合多個numpy數組構建嵌套Array時要注意，最後必定要加上toArray()方法才能完全完成轉換：

圖5

2.2 funct.Array的索引

　　大體介紹完如何建立funct.Array以後，很重要的一點就是如何對已有Array進行索引，在funct中針對Array設計了以下幾種豐富的索引方式：

• 列表式索引

　　既然繼承自列表，天然可使用Python原生列表的索引與切片方式：

圖6

• 數組式索引

　　咱們都知道Python原生列表不能傳入一系列標號對應的數組來一次性索引出多個值，除非轉換爲numpy數組或pandas的Series，但這又會在一些應用場景下丟失靈活性，但在Array中，它能夠！

圖7

• Bool值索引

　　Array一樣支持傳入Bool值索引，使得咱們能夠將某個條件判斷以後的判斷結果做爲索引依據傳入：

圖8

• 多層索引

　　既然Array是支持嵌套結構的，天然能夠進行多層索引，但須要注意的是：

圖9

2.3 funct.Array的鏈式騷操做

　　講完了如何建立與索引funct.Array以後，就來到了本文的重頭戲——Array的鏈式運算上，在funct.Array中，幾乎全部常見的數值與邏輯運算都被封裝到方法中，咱們來一階一階的來看看不一樣狀況下如何組織代碼：

• level1：基礎的數值運算

　　首先咱們來看看最基礎的四則運算等操做在Array中如何鏈式下去：

圖10

　　這樣每一步都很清楚，且每一步均可以獨立添加註釋，保持了代碼的可讀性，譬如可用於歸一化與標準化的計算上：

圖11

• level2：配合map方法推廣元素級別運算

　　除了使用內置的基礎的運算方法以外，在funct.Array中還支持配合map()方法將任意函數應用到每一個元素上，從而無限拓寬計算的自由性，譬如咱們在前面歸一化的基礎上對數據進行分箱：

圖12

• level3：配合zip方法引入其餘Array參與運算

　　當咱們想要在鏈式運算中引入其餘數組對象時，就能夠用到更高級的zip()方法，譬如咱們想找出多個Array中相同位置最大值：

圖13

• level4：條件分組

　　在pandas中咱們能夠利用groupby()進行數據分箱並銜接任意形式的運算，在funct.Array中咱們也能夠配合groupBy()方法實現：

圖14

　　而除了本文介紹到的這一點API以外，funct還提供了上百種實用API，而且還具備並行執行與併發執行等高級特性，感興趣的朋友能夠前往官方文檔查看（ https://github.com/Lauriat/funct ）。

---

　　以上就是本文的所有內容，歡迎在評論區與我進行討論~