Python-VBA函数之旅-filter函数

目录

一、filter函数的常见应用场景：     

二、filter函数的使用注意事项：

1、filter函数：

1-1、Python：

1-2、VBA：

2、相关文章：

个人主页：非风V非雨-CSDN博客

一、filter函数的常见应用场景：     

        filter函数在Python中有多种实际应用场景，它通常用于从可迭代对象中筛选出满足特定条件的元素。以下是一些具体的应用示例：

1、筛选数字：筛选出一个列表中的所有偶数或奇数。

2、筛选字符串：从字符串列表中筛选出特定长度的字符串。

3、筛选文件：在处理文件或目录时，筛选出特定类型的文件。

4、筛选对象属性：从对象列表中筛选出具有特定属性的对象。

5、筛选字典中的项：从字典中筛选出满足条件的键值对。

6、数据清洗：在处理数据集时，可以使用filter()来清洗数据，去除不符合条件的数据点。

        这些只是filter()函数的一些常见应用场景，实际上它可以用于任何需要从可迭代对象中筛选出特定元素的情况。需要注意的是，由于filter()返回的是迭代器，如果需要多次访问筛选后的结果，或者需要将其与其他Python数据结构(如列表)进行交互，通常需要将迭代器转换为列表或其他类型。

二、filter函数的使用注意事项：

        在Python中使用filter()函数时，下列注意事项需要牢记：

1、输入类型：filter()函数的第一个参数是一个函数，第二个参数是一个可迭代对象(如列表、元组、字符串等)，确保传递给filter()的第二个参数是一个可迭代对象，否则会出现类型错误。

2、函数返回值：传递给filter()的函数应该返回一个布尔值(`True`或`False`)。filter()会基于这个返回值来决定是否将元素包含在返回的迭代器中，如果函数返回非布尔值，将会导致不可预期的结果。

3、迭代器的使用：filter()函数返回的是一个迭代器，而不是列表或其他类型的可迭代对象。如果需要列表，你需要将迭代器转换为列表，例如使用list()函数。

4、性能考虑：对于大型数据集，使用filter()可能会比使用列表推导式(list comprehension)稍慢一些，因为列表推导式可以一次性构建结果列表，而filter()需要逐个元素进行过滤。在性能敏感的代码中，可能需要考虑使用其他方法。

5、可读性：虽然filter()函数在某些情况下可以使代码更简洁，但有时候使用列表推导式可能更直观和易读。选择哪种方法取决于具体的场景和个人的编码风格。

6、Python版本差异：在Python 2中，filter()函数直接返回列表，而在Python 3中返回的是迭代器。如果你在Python 2和Python 3之间迁移代码，需要注意这个差异。

7、空迭代器的处理：如果传递给filter()的可迭代对象是空的，或者过滤条件不满足任何元素，那么返回的迭代器将为空。在迭代或使用返回的迭代器之前，你可能需要检查它是否为空。

8、函数定义的位置：如果传递给filter()的函数是在filter()调用之后才定义的，那么将会引发一个`NameError`，因为Python在运行时需要知道这个函数的定义。确保在调用filter()之前已经定义了函数。

        只有遵循这些注意事项，你才能更有效地使用filter()函数来处理数据。然而，在很多情况下，使用列表推导式或其他Python特性可能更加灵活和直观。因此，在选择使用filter()之前，最好先评估一下其他选项是否更适合你的需求。

1、filter函数：
1-1、Python：
  1. # 1.函数：filter
  2. # 2.功能：用于过滤可迭代对象中不符合条件的元素，即通过指定条件过滤序列
  3. # 3.语法：filter(function, iterable)
  4. # 4.参数：
  5. # 4-1. function：用于实现判断的函数，可以为None
  6. # 4-2. iterable：可迭代对象，如列表、range对象等
  7. # 5.返回值：返回一个由符合条件的元素组成的新迭代器
  8. # 6.说明：
  9. # 7.示例：
  10. # 应用1：筛选数字
  11. def is_even(num):
  12.     return num % 2 == 0
  13. even_numbers = filter(is_even, range(100))
  14. print(even_numbers)
  15. print(list(even_numbers))
  16. # 
  17. # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58,
  18. # 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98]
  19.  
  20. # 应用2：筛选字符串
  21. def is_length_three(s):
  22.     return len(s) <= 5
  23. words = ['Myelsa', 'Jimmy', 'Lucy', 'Bob', 'Bruce']
  24. three_letter_words = list(filter(is_length_three, words))
  25. print(three_letter_words)
  26. # ['Jimmy', 'Lucy', 'Bob', 'Bruce']
  27.  
  28. # 应用3：筛选文件
  29. import os
  30. def is_image_file(filename):
  31.     return filename.endswith(('.png', '.jpg', '.jpeg', '.gif'))
  32. files = os.listdir(os.getcwd())
  33. image_files = list(filter(is_image_file, files))
  34. print(image_files)
  35. # ['input.jpg', 'output.jpg']
  36.  
  37. # 应用4：筛选对象属性
  38. class Person:
  39.     def __init__(self, name, age):
  40.         self.name = name
  41.         self.age = age
  42. def is_adult(person):
  43.     return person.age >= 18
  44. people = [Person('Myelsa', 43), Person('Bruce', 6), Person('Jimmy', 15)]
  45. adults = list(filter(is_adult, people))
  46. for adult in adults:
  47.     print(adult.name)
  48. # Myelsa
  49.  
  50. # 应用5：筛选字典中的项
  51. def filter_dict_items(dictionary, condition):
  52.     return {k: v for k, v in dictionary.items() if condition(k, v)}
  53. data = {'a': 1, 'b': 2, 'c': 3, 'd': 4}
  54. filtered_data = filter_dict_items(data, lambda k, v: v > 2)
  55. print(filtered_data)
  56. # {'c': 3, 'd': 4}
  57.  
  58. # 应用6：清洗数据
  59. data = [1, 2, None, 4, 5, '', 6]
  60. def is_valid(item):
  61.     return item is not None and item != ''
  62. cleaned_data = list(filter(is_valid, data))
  63. print(cleaned_data)
  64. # [1, 2, 4, 5, 6]
  65.  
  66. # 其他应用
  67. # 在Python中，filter()函数的高阶用法通常涉及到与其他高阶函数(如`map()`、`reduce()`)或函数式编程特性的结合，
  68. # 以及使用lambda表达式来定义匿名函数作为过滤条件。以下是一些filter()函数的高阶用法示例：
  69. # 结合Lambda表达式
  70. # Lambda表达式是一种创建匿名函数的简单方式，经常与filter()一起使用来定义过滤条件
  71. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  72. # 使用lambda表达式筛选偶数
  73. even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
  74. print(even_numbers)
  75.  
  76. # 链式过滤
  77. # 你可以通过组合多个filter()函数来实现链式过滤，即一个过滤器的输出作为另一个过滤器的输入
  78. # 假设有一个数字列表，先筛选出偶数，再从中筛选出大于5的数
  79. numbers = [1, 2, 3, 4, 6, 7, 8, 9, 10]
  80. # 链式过滤：先筛选偶数，再筛选大于5的数
  81. filtered_numbers = list(filter(lambda x: x > 5, filter(lambda x: x % 2 == 0, numbers)))
  82. print(filtered_numbers)
  83.  
  84. # 与生成器表达式结合
  85. # 生成器表达式是另一种创建迭代器的方式，它们可以与filter()结合使用，以更简洁的方式表达过滤逻辑
  86. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  87. # 使用生成器表达式筛选偶数，并与filter结果比较
  88. even_numbers_gen = (x for x in numbers if x % 2 == 0)
  89. even_numbers_filter = filter(lambda x: x % 2 == 0, numbers)
  90. # 二者结果相同，但生成器表达式语法更简洁
  91. print(list(even_numbers_gen))
  92. print(list(even_numbers_filter))
  93.  
  94. # 自定义过滤函数
  95. # 除了使用lambda表达式，你还可以定义自己的过滤函数，并在filter()中使用它
  96. def is_prime(n):
  97.     if n < 2:
  98.         return False
  99.     for i in range(2, int(n ** 0.5) + 1):
  100.         if n % i == 0:
  101.             return False
  102.     return True
  103. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  104. # 使用自定义的is_prime函数筛选质数
  105. primes = list(filter(is_prime, numbers))
  106. print(primes)
  107.  
  108. # 与其他高阶函数结合
  109. # filter()函数经常与其他高阶函数(如`map()`、`reduce()`)一起使用，以在数据管道中执行一系列的转换和过滤操作
  110. from functools import reduce
  111. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  112. # 首先使用map()将每个数平方，然后使用filter()筛选大于20的数，最后使用reduce()求和
  113. squared_numbers = map(lambda x: x ** 2, numbers)
  114. filtered_squared_numbers = filter(lambda x: x > 20, squared_numbers)
  115. sum_of_filtered = reduce(lambda x, y: x + y, filtered_squared_numbers, 0)
  116. print(sum_of_filtered)  # 输出: 105 (即5^2 + 6^2 + 7^2 + 8^2 + 9^2 + 10^2)
1-2、VBA：
略，待后补。
2、相关文章：

2-1、Python-VBA函数之旅-bytes()函数 

2-2、Python-VBA函数之旅-callable()函数

Python算法之旅：Algorithm

Python函数之旅：Functions 

个人主页：https://blog.csdn.net/ygb_1024?spm=1010.2135.3001.5421 

文章知识点与官方知识档案匹配，可进一步学习相关知识
算法技能树首页概览61139 人正在系统学习中
遨游码海，我心飞扬
微信名片
注：本文转载自blog.csdn.net的神奇夜光杯的文章"https://myelsa1024.blog.csdn.net/article/details/137853352"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！