目录
程序员的世界充满了各种各样的数据,就像宇宙中星星一样数不胜数。今天,我们聊聊Python中的一个优雅提效工具——filter()
函数,共同探讨这个功能强大的filter()
函数,并通过一些简洁的例子来了解他的用法。
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!