Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

我們注重客戶提出的每個要求，我們充分考慮每一個細(xì)節(jié)，我們積極的做好成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計服務(wù)，我們努力開拓更好的視野，通過不懈的努力，創(chuàng)新互聯(lián)贏得了業(yè)內(nèi)的良好聲譽(yù)，這一切，也不斷的激勵著我們更好的服務(wù)客戶。 主要業(yè)務(wù)：網(wǎng)站建設(shè),網(wǎng)站制作,網(wǎng)站設(shè)計,微信小程序開發(fā),網(wǎng)站開發(fā),技術(shù)開發(fā)實力，DIV+CSS，PHP及ASP，ASP.Net，SQL數(shù)據(jù)庫的技術(shù)開發(fā)工程師。

為什么是鏈?zhǔn)秸{(diào)用？

鏈?zhǔn)秸{(diào)用，或者也可以稱為方法鏈（Method Chaining），從字面意思上來說就是將一些列的操作或函數(shù)方法像鏈子一樣穿起來的 Code 方式。

我最開始感知鏈?zhǔn)秸{(diào)用的「美」，還要從使用 R 語言的管道操作符開始。

library(tidyverse) mtcars %>%     group_by(cyl) %>%     summarise(meanmeanOfdisp = mean(disp)) %>%     ggplot(aes(x=as.factor(cyl), y=meanOfdisp, fill=as.factor(seq(1,3))))+    geom_bar(stat = 'identity') +     guides(fill=F)

對于 R user 來說，對于這一段代碼很快就能明白整個流程步驟是怎樣的。這一切都是通過符號%>%（管道操作符）談起。

通過管道操作符，我們可以將左邊事物傳遞給下一個事物。這里我將mtcars數(shù)據(jù)集傳遞到group_by 函數(shù)中，然后將得到后的結(jié)果再傳遞到summarize函數(shù)，最后傳遞到ggplot函數(shù)中進(jìn)行可視化繪制。

如果我沒有學(xué)會鏈?zhǔn)秸{(diào)用，那么最開始學(xué)習(xí) R 語言的我一定是這樣寫：

library(tidyverse)  cyl4 <- mtcars[which(mtcars$cyl==4), ]  cyl6 <- mtcars[which(mtcars$cyl==6), ]  cyl8 <- mtcars[which(mtcars$cyl==8), ]  data <- data.frame(    ccyl = c(4, 6, 8),    meanOfdisp = c(mean(cyl4$disp), mean(cyl6$disp), mean(cyl8$disp))  )  graph <- ggplot(datadata=data, aes(x=factor(cyl), y=meanOfdisp,                                  fill = as.factor(seq(1,3))))   graph <- graph + geom_bar(stat = 'identity') + guides(fill=F)  graph

如果不使用管道操作符，那么我將會進(jìn)行不必要的賦值，并且覆蓋原有的數(shù)據(jù)對象，但其實當(dāng)中產(chǎn)生的cyl#、data 其實最后都只是為graph 這一張圖片所服務(wù)的，因此導(dǎo)致的問題就是代碼會變得冗余。

鏈?zhǔn)秸{(diào)用在極大程度簡潔代碼的同時，也提高了代碼的可讀性，能夠很快速地了解到每一步都是在做什么。這種方式對于做數(shù)據(jù)分析或處理數(shù)據(jù)時是十分有用，減少創(chuàng)建不必要的變量時，能夠以快速、簡單的方式進(jìn)行探索。

你能在很多地方見到鏈?zhǔn)秸{(diào)用或者管道操作的身影，這里我舉除了 R 語言以外的兩個典型例子。

一個是 Shell 語句：

echo "`seq 1 100`" | grep -e "^[3-4].*" | tr "3" "*"

在 shell 語句中使用「|」管道操作符能夠快速地實現(xiàn)鏈?zhǔn)秸{(diào)用，這里我首先是打印1-100的所有整數(shù)，然后將其傳入到grep方法中，提取由 3 或 4 開頭的所有部分，再將這部分傳入到tr 方法中，并對數(shù)字包含 3 的部分用星號替換。結(jié)果如下：

另外一個是 Scala 語言：

object Test {    def main(args: Array[String]): Unit = {      val numOfseq = (1 to 100).toList      val chain = numOfseq.filter(_%2==0)        .map(_*2)        .take(10)    }  }

在這段示例中，首先numOfseq 這個變量包含了從 1-100 的所有整數(shù)，然后從chain部分開始，我首先在numOfseq的基礎(chǔ)上調(diào)用了filter 方法，用以篩選這些數(shù)字中為偶數(shù)的部分，其次在調(diào)用map 方法，將這些被篩選出來的數(shù)乘以 2，最后使用take 方法從新構(gòu)成的數(shù)字中取出前 10 個數(shù)，這些數(shù)共同賦值給了chain 變量。

通過以上的敘述，相信你能對鏈?zhǔn)秸{(diào)用有一個初步的印象，但是一旦你掌握了鏈?zhǔn)秸{(diào)用，那么除了會讓你的代碼風(fēng)格有所改變以外，你的編程思維也會有不一樣的提升。

Python 中的鏈?zhǔn)秸{(diào)用

在 Python 中實現(xiàn)一個簡單的鏈?zhǔn)秸{(diào)用就是通過構(gòu)建類方法并返回對象自身或返回歸屬類（@classmethod）

class Chain:      def __init__(self, name):          self.name = name      def introduce(self):          print("hello, my name is %s" % self.name)          return self      def talk(self):          print("Can we make a friend?")          return self      def greet(self):          print("Hey! How are you?")          return self if __name__ == '__main__':      chain = Chain(name = "jobs")      chain.introduce()      print("-"*20)      chain.introduce().talk()      print("-"*20)      chain.introduce().talk().greet()

在這里我們創(chuàng)建一個Chain 類，需要傳遞一個name 字符串參數(shù)進(jìn)行實例對象的創(chuàng)建；當(dāng)中這個類里有三個方法，分別是introduce、talk以及greet。

由于每次返回的是self 自身，那么我們就可以源源不斷地調(diào)用對象歸屬類中的方法，結(jié)果如下：

hello, my name is jobs  --------------------  hello, my name is jobs  Can we make a friend?  --------------------  hello, my name is jobs  Can we make a friend?  Hey! How are you?

在 Pandas 中使用鏈?zhǔn)秸{(diào)用

前面鋪墊了這么多終于談到有關(guān)于 Pandas 鏈?zhǔn)秸{(diào)用部分

Pandas 中的大部分方法都很適合使用鏈?zhǔn)椒椒ㄟM(jìn)行操作，因為經(jīng)過 API 處理后返回的往往還是 Series 類型或 DataFrame 類型，所以我們可以直接就調(diào)用相應(yīng)的方法，這里我以我在今年 2 月份左右給別人做案例演示時爬取到的華農(nóng)兄弟 B 站視頻數(shù)據(jù)為例。可以通過鏈接進(jìn)行獲取。

數(shù)據(jù)字段信息如下所示，里面有 300 條數(shù)據(jù)，并且 20 個字段：

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

字段信息

但在使用這部分?jǐn)?shù)據(jù)之前，我們還需要對這部分?jǐn)?shù)據(jù)進(jìn)行初步的清洗，這里我主要選取了以下字段：

  •  aid：視頻對應(yīng)的 av 號

  •  comment：評論數(shù)

  •  play：播放量

  •  title：標(biāo)題

  •  video_review：彈幕數(shù)

  •  created：上傳日期

  •  length：視頻時長

1、數(shù)據(jù)清洗

各字段對應(yīng)的值如下所示：

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

字段值

從數(shù)據(jù)中我們可以看到：

  1. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術(shù)社區(qū)

  2.  title 字段前面都會帶有「華農(nóng)兄弟」四個字，如果對標(biāo)題字?jǐn)?shù)進(jìn)行統(tǒng)計時需要預(yù)先去除；

  3.  created 上傳日期似乎顯示成了一長串的數(shù)值，但其實是從 1970 至今的時間戳，我們需要處理成可讀懂的年月日形式；

  4.  length 播放量長度只顯示了分秒，但是小時并未用「00」來進(jìn)行補(bǔ)全，因此這里我們一方面需要將其補(bǔ)全，另一方面要將其轉(zhuǎn)換成對應(yīng)的時間格式

鏈?zhǔn)秸{(diào)用操作如下：

import re  import pandas as pd  # 定義字?jǐn)?shù)統(tǒng)計函數(shù) def word_count(text):      return len(re.findall(r"[\u4e00-\u9fa5]", text))  tidy_data = (      pd.read_csv('~/Desktop/huanong.csv')          .loc[:, ['aid', 'title', 'created', 'length',                    'play', 'comment', 'video_review']]          .assign(title = lambda df: df['title'].str.replace("華農(nóng)兄弟：", ""),                   title_count = lambda df: df['title'].apply(word_count),                  created = lambda df: df['created'].pipe(pd.to_datetime, unit='s'),                   created_date = lambda df: df['created'].dt.date,                  length = lambda df: "00:" + df['length'],                  video_length = lambda df: df['length'].pipe(pd.to_timedelta).dt.seconds                  )  )

這里首先是通過loc方法挑出其中的列，然后調(diào)用assign方法來創(chuàng)建新的字段，新的字段其字段名如果和原來的字段相一致，那么就會進(jìn)行覆蓋，從assign中我們可以很清楚地看到當(dāng)中字段的產(chǎn)生過程，同lambda 表達(dá)式進(jìn)行交互：

1.title 和title_count：

  •  原有的title字段因為屬于字符串類型，可以直接很方便的調(diào)用str.* 方法來進(jìn)行處理，這里我就直接調(diào)用當(dāng)中的replace方法將「華農(nóng)兄弟：」字符進(jìn)行清洗

  •  基于清洗好的title 字段，再對該字段使用apply方法，該方法傳遞我們前面實現(xiàn)定義好的字?jǐn)?shù)統(tǒng)計的函數(shù)，對每一條記錄的標(biāo)題中，對屬于\u4e00到\u9fa5這一區(qū)間內(nèi)的所有 Unicode 中文字符進(jìn)行提取，并進(jìn)行長度計算

2.created和created_date：

  •  對原有的created 字段調(diào)用一個pipe方法，該方法會將created 字段傳遞進(jìn)pd.to_datetime 參數(shù)中，這里需要將unit時間單位設(shè)置成s秒才能顯示出正確的時間，否則仍以 Unix 時間錯的樣式顯示

  •  基于處理好的created 字段，我們可以通過其屬于datetime64 的性質(zhì)來獲取其對應(yīng)的時間，這里 Pandas 給我們提供了一個很方便的 API 方法，通過dt.*來拿到當(dāng)中的屬性值

3.length 和video_length：

  •  原有的length 字段我們直接讓字符串00:和該字段進(jìn)行直接拼接，用以做下一步轉(zhuǎn)換

  •  基于完整的length時間字符串，我們再次調(diào)用pipe方法將該字段作為參數(shù)隱式傳遞到pd.to_timedelta方法中轉(zhuǎn)化，然后同理和create_date字段一樣獲取到相應(yīng)的屬性值，這里我取的是秒數(shù)。

2、播放量趨勢圖

基于前面稍作清洗后得到的tidy_data數(shù)據(jù)，我們可以快速地做一個播放量走勢的探索。這里我們需要用到created這個屬于datetime64的字段為 X 軸，播放量play 字段為 Y 軸做可視化展示。

# 播放量走勢  %matplotlib inline  %config InlineBackend.figure_format = 'retina'  import matplotlib.pyplot as plt  (tidy_data[['created', 'play']]   .set_index('created')   .resample('1M')   .sum()   .plot(      kind='line',      figsize=(16, 8),       title='Video Play Prend(2018-2020)',       grid=True,       legend=False    )  )  plt.xlabel("")  plt.ylabel('The Number Of Playing')

這里我們將上傳日期和播放量兩個選出來后，需要先將created設(shè)定為索引，才能接著使用resample重采樣的方法進(jìn)行聚合操作，這里我們以月為統(tǒng)計顆粒度，對每個月播放量進(jìn)行加總，之后再調(diào)用plot 接口實現(xiàn)可視化。

鏈?zhǔn)秸{(diào)用的一個小技巧就是，可以利用括號作用域連續(xù)的特性使整個鏈?zhǔn)秸{(diào)用的操作不會報錯，當(dāng)然如果不喜歡這種方式也可以手動在每條操作后面追加一個\符號，所以上面的整個操作就會變成這樣：

tidy_data[['created', 'play']] \   .set_index('created') \   .resample('1M')   .sum()   .plot( \      kind='line', \      figsize=(16, 8), \      title='Video Play Prend(2018-2020)', \      grid=True, \      legend=False \    )

但是相比于追加一對括號來說，這種尾部追加\符號的方式并不推薦，也不優(yōu)雅。

但是如果既沒有在括號作用域或未追加\ 符號，那么在運(yùn)行時 Python 解釋器就會報錯。

3、鏈?zhǔn)秸{(diào)用性能

通過前兩個案例我們可以看出鏈?zhǔn)秸{(diào)用可以說是比較優(yōu)雅且快速地能實現(xiàn)一套數(shù)據(jù)操作的流程，但是鏈?zhǔn)秸{(diào)用也會因為不同的寫法而存在性能上的差異。

這里我們繼續(xù)基于前面的tidy_data操作，這里我們基于created_date 來對play、comment和video_review進(jìn)行求和后的數(shù)值進(jìn)一步以 10 為底作對數(shù)化。最后需要得到以下結(jié)果：

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

統(tǒng)計表格

寫法一：一般寫法

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

一般寫法

這種寫法就是基于tidy_data拷貝后進(jìn)行操作，操作得到的結(jié)果會不斷地覆蓋原有的數(shù)據(jù)對象

寫法二：鏈?zhǔn)秸{(diào)用寫法

Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用

鏈?zhǔn)秸{(diào)用寫法

可以看到，鏈?zhǔn)秸{(diào)用的寫法相比于一般寫法而言會快上一點(diǎn)，不過由于數(shù)據(jù)量比較小，因此二者時間的差異并不大；但鏈?zhǔn)秸{(diào)用由于不需要額外的中間變量已經(jīng)覆蓋寫入步驟，在內(nèi)存開銷上會少一些。

結(jié)尾：鏈?zhǔn)秸{(diào)用的優(yōu)劣

從本文的只言片語中，你能領(lǐng)略到鏈?zhǔn)秸{(diào)用使得代碼在可讀性上大大的增強(qiáng)，同時以盡肯能少的代碼量去實現(xiàn)更多操作。

當(dāng)然，鏈?zhǔn)秸{(diào)用并不算是完美的，它也存在著一定缺陷。比如說當(dāng)鏈?zhǔn)秸{(diào)用的方法超過 10 步以上時，那么出錯的幾率就會大幅度提高，從而造成調(diào)試或 Debug 的困難。比如這樣：

(data    .method1(...)    .method2(...)    .method3(...)    .method4(...)    .method5(...)    .method6(...)    .method7(...) # Something Error    .method8(...)    .method9(...)    .method10(...)    .method11(...)  )

看完上述內(nèi)容，你們掌握Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

分享標(biāo)題：Python中如何實現(xiàn)鏈?zhǔn)秸{(diào)用
網(wǎng)站URL：http://bm7419.com/article0/jceooo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站內(nèi)鏈、企業(yè)建站、網(wǎng)站制作、App開發(fā)、網(wǎng)站排名、域名注冊

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)

成都網(wǎng)站建設(shè)