pipe并不是Python内置的库,如果你安装了easy_install,直接可以安装它,否则你需要自己下载它:http://pypi.python.org/pypi/pipe
之所以要介绍这个库,是因为它向我们展示了一种很有新意的使用迭代器和生成器的方式:流。pipe将可迭代的数据看成是流,类似于linux,pipe使用’|‘传递数据流,并且定义了一系列的“流处理”函数用于接受并处理数据流,并最终再次输出数据流或者是将数据流归纳得到一个结果。我们来看一些例子。
第一个,非常简单的,使用add求和:
Python
1 2 3 |
>>> from pipe import * >>> range(5) | add 10 |
求偶数和需要使用到where,作用类似于内建函数filter,过滤出符合条件的元素:
Python
1 2 |
>>> range(5) | where(lambda x: x % 2 == 0) | add 6 |
还记得我们定义的斐波那契数列生成器吗?求出数列中所有小于10000的偶数和需要用到take_while,与itertools的同名函数有类似的功能,截取元素直到条件不成立:
Python
1 2 3 4 5 |
>>> fib = fibonacci >>> fib() | where(lambda x: x % 2 == 0)\ ... | take_while(lambda x: x < 10000)\ ... | add 3382 |
需要对元素应用某个函数可以使用select,作用类似于内建函数map;需要得到一个列表,可以使用as_list:
Python
1 2 |
>>> fib() | select(lambda x: x ** 2) | take_while(lambda x: x < 100) | as_list [1, 1, 4, 9, 25, 64] |
pipe中还包括了更多的流处理函数。你甚至可以自己定义流处理函数,只需要定义一个生成器函数并加上修饰器Pipe。如下定义了一个获取元素直到索引不符合条件的流处理函数:
Python
1 2 3 4 5 6 |
>>> @Pipe ... def take_while_idx(iterable, predicate): ... for idx, x in enumerate(iterable): ... if predicate(idx): yield x ... else: return ... |
使用这个流处理函数获取fib的前10个数字:
Python
1 2 |
>>> fib() | take_while_idx(lambda x: x < 10) | as_list [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] |
更多的函数就不在这里介绍了,你可以查看pipe的源文件,总共600行不到的文件其中有300行是文档,文档中包含了大量的示例。
pipe实现起来非常简单,使用Pipe装饰器,将普通的生成器函数(或者返回迭代器的函数)代理在一个实现了__ror__方法的普通类实例上即可,但是这种思路真的很有趣。
转的,至于from谁已经不得而知...