Python的过滤艺术：filter()函数的那些事儿_python如何筛选多项成绩优秀的学生-CSDN博客

本文链接：https://blog.csdn.net/weixin_43789456/article/details/136242693

filter()函数公式

filter()函数工作起来像是一个数据过滤器，它需要两个参数：一个函数和一个可迭代对象。它的基本公式看起来是这样的：

filter(function, iterable)

在这个公式中，function是一个返回布尔值（True或False）的函数，用于测试迭代对象中的每个元素是否符合条件。而iterable则是我们想要筛选的数据集合，比如列表、元组或是字符串等。

当filter()遇上None

有时候，filter()函数的第一个参数也可以是None。在这种情况下，函数会默认筛选掉那些在布尔上下文中被评估为False的元素。这包括了诸如None、False、0、""（空字符串）以及其他“虚无”的元素。

mixed_data = [0, "Hello", "", None, False, 25, "World"]
filtered_data = list(filter(None, mixed_data))
print(filtered_data)

执行这段代码，你将得到以下结果：

["Hello", 25, "World"]

只有“实在”的元素被留了下来。

实例1：挑选出成绩优秀的学生

首先，假设你是一名老师，手上有一份学生成绩单，你需要找出那些成绩高于平均分的学生。

# 生成学生分数列表
scores = [65, 70, 85, 40, 30, 83, 95, 57, 88, 76]

# 定义筛选函数
def above_average(score):
    return score > sum(scores) / len(scores)

# 使用filter()函数
high_scores = list(filter(above_average, scores))

print(high_scores)

运行上面的代码，你会得到一个成绩高于平均分的学生分数列表。

实例2：筛选非零项(lambda匿名函数)

让我们假设你正在处理一组财务数据，你需要去掉所有的零值。

# 财务数据，0代表无收入或无支出
financial_data = [2500, 3000, 0, 0, 500, 0, 7000]

# 使用lambda函数简化筛选过程
non_zero_data = list(filter(lambda x: x != 0, financial_data))

print(non_zero_data)

通过这段代码，我们过滤掉了所有的零值，只留下了有效的数据。

实例3：去除列表中的空字符串

你可能会遇到这样一个问题，你有一个字符串列表，它包含了一些空的或者是空白字符串，你的任务是清理这些无意义的项。

# 字符串列表，包含空字符串
string_list = ["Python", "", "is", " ", "awesome", " ", "", "indeed!"]

# 使用filter()函数去除空白字符串
cleaned_list = list(filter(lambda s: s.strip(), string_list))

print(cleaned_list)

这段代码运行后，会输出一个没有空白字符串的列表。

实例4：结合map()和filter()进行数据处理

有时候你可能需要结合使用map()和filter()，比如你需要先对数据进行某种计算，然后再筛选。

# 原始价格列表，假设我们需要应用10%的折扣，然后筛选出折后价格大于50的项目
prices = [49.99, 59.99, 15.99, 20.99, 99.99]

# 先用map应用折扣
discounted_prices = map(lambda x: x * 0.9, prices)

# 再用filter筛选价格大于50的
filtered_prices = list(filter(lambda x: x > 50, discounted_prices))

print(filtered_prices)

执行这个例子，你会得到所有折后价格大于50的商品价格。

结语

filter()函数是Python中一个非常实用的工具，它可以帮我们在数据处理过程中变得更加高效。用filter()函数我们可以修剪我们的数据集合，只留下最优质的数据。现在，你已经初步拥有了使用filter()筛选万物的能力，出去试试看吧，用它来清理数据、发现规律，或许你会发现它比你想象的可能更有用！