Question

我正在寻找一种有效的pythonic方法，将多个过滤器应用于元组列表。

例如，假设这样的过滤器：

def f1(t): return t[3]<10
def f2(t): return t[0]!=1
def f3(t): return t[1] in ("lisa","eric")
def f4(t): return t[3]>2

这样的n元组（即数据库记录）：

tuples=[
(0,'tom','...',8),
(1,'john','...',17),
(2,'lisa','...',1),
(3,'eric','...',18)
]

以下作品：

def nFilter(filters,tuples):
    if filters and tuples:
        return nFilter(filters,filter(filters.pop(),tuples))
    else: return tuples

结果如：

>>> nFilter([f1,f2,f3],tuples)
[(2, 'lisa', '...', 1)]

和

>>> nFilter([f1,f2,f3,f4],tuples)
[]

但我想知道是否有更直接的方式;我想到的是函数组合（即f1(f2(...fn(tuples)...))），用于任意函数列表。在文档中引用了包含compose函数的functional library，但链接都已死亡。

此外，由于我计划在相当大的数据集上使用它，并且可能在生产Web服务中使用大量过滤器，因此它必须是高效的，而且我不能说这个解决方案是否正确。

欢迎任何建议或改进。

Answer 1

改进：用迭代替换递归

没有真正的“任意功能列表的组合功能”;但是，使用简单的for循环构建过滤器链非常容易：

def nFilter(filters, tuples):
    for f in filters:
        tuples = filter(f, tuples)
    return tuples

改进：按限制性和速度订购过滤器

链接迭代器的速度非常快，总运行时间往往会受到谓词函数调用的支配。

通过命令谓词最小化总工作量，可以获得最佳结果。一般来说，最好在昂贵的测试之前安排廉价测试，并在不过滤掉许多情况的测试之前进行更严格的测试。

实施例

在此示例中，谓词具有大致相同的成本（函数调用，元组索引和与常量的比较），但它们的限制性不同（t[2]==4过滤掉了80％的情况，而t[0]>1和t[1]<3每个仅过滤掉40％的数据。

>>> from itertools import product

>>> filters = [lambda t: t[2]==4, lambda t: t[0]>1, lambda t: t[1]<3]
>>> for tup in nFilter(filters, product(range(5), repeat=3)):
        print(tup)

(2, 0, 4)
(2, 1, 4)
(2, 2, 4)
(3, 0, 4)
(3, 1, 4)
(3, 2, 4)
(4, 0, 4)
(4, 1, 4)
(4, 2, 4)

从评论

中提取的注释

当输入iterable为空时，过滤器函数会对谓词进行零应用。这就像在空列表上执行for循环一样。
每个过滤器都会减少输入封闭过滤器的数据量。因此，每个过滤器只会应用于通过之前过滤器的数据。
不要担心示例中的lambda。它与常规def具有相同的功能。这只是编写过滤器列表的便捷方式。
在Python 3中，filter()函数已更新为返回迭代器而不是列表。在Python 2中，使用itertools.ifilter()代替filter()可以达到相同的效果。

Answer 2

你在找这样的东西吗？

filters = (f1,f2,f3,f4)
filtered_list = filter( lambda x: all(f(x) for f in filters), your_list )

这样做的好处是，只要单个过滤器返回False，就不会包含该列表元素。

Answer 3

生成器表达式似乎是最惯用的方法（并且你可以免费得到懒惰）：

def nFilter(filters, tuples):
    return (t for t in tuples if all(f(t) for f in filters))

或等效（可以说更具可读性）：

def nFilter(filters, tuples):
    for tuple in tuples:
        if all(filter(tuple) for filter in filters):
            yield tuple

Answer 4

嗯，这里没有花哨的itertools等，只是使用一个简单的循环来避免递归和生成器的开销：

def for_loop(filters, tuples):
    for f in filters:
        tuples = filter(f, tuples)
        if not tuples: 
            return tuples
    return tuples

这是一个有点脏的基准：

import datetime
from itertools import ifilter
from timeit import Timer

def f1(t): return t[3]<10
def f2(t): return t[0]!=1
def f3(t): return t[1] in ("lisa","eric")
def f4(t): return t[3]>2

def original(filters,tuples):
    if filters and tuples:
        return original(filters,filter(filters.pop(),tuples))
    else: 
        return tuples

def filter_lambda_all(filters, tuples):
    return filter(lambda t: all(f(t) for f in filters), tuples)

def loop(filters, tuples):
    while filters and tuples:
        f = filters[0]
        del filters[0]
        tuples = filter(f, tuples)
    return tuples

def pop_loop(filters, tuples):
    while filters and tuples:
        tuples = filter(filters.pop(), tuples)
    return tuples

def for_loop(filters, tuples):
    for f in filters:
        tuples = filter(f, tuples)
        if not tuples: 
            return tuples
    return tuples


def with_ifilter(filters, tuples):
    for f in filters:
        tuples = ifilter(f, tuples)
    return tuples

_filters = [f1, f2, f3, f4]

def time(f):
    def t():
        return [    (0,'tom','...',8),
                    (1,'john','...',17),
                    (2,'lisa','...',1),
                    (3,'eric','...',18)
                ]*1000
    for i in xrange(4):
        list(f(_filters[i:] * 15,t()))

if __name__=='__main__':
    for f in (original,filter_lambda_all,loop,pop_loop,with_ifilter,for_loop):
        t = Timer(lambda: time(f))
        d = t.timeit(number=400)
        print f.__name__, d

结果：

原始7.23815271085
  filter_lambda_all 14.1629812265
  循环7.23445844453
  pop_loop 7.3084566637
  with_ifilter 9.2767674205
  for_loop 7.02854999945

Answer 5

我建议使用以下模式在发生器上自由应用一系列/过滤器链：

from functools import reduce, partial
from itertools import ifilter

filtered = reduce(lambda s,f: ifilter(f,s), filter_set, unfiltered)

简而言之，它在生成器上从左到右设置了一系列过滤器，并返回生成器，这是在原始文件上应用所有过滤器的结果。

如果您想获得一份清单，以下就足够了：

[reduce(lambda s,f: ifilter(f,s), (f1,f2,f3,), tuples)]

如果您希望获得单个功能，可以将其定义为：

chain_filters = partial(reduce, lambda s,f: ifilter(f,s))

并用作：

[chain_filters((f1,f2,f3,), tuples)]

请注意，此解决方案不会构成过滤器（如all()中所示），而是将它们链接起来。如果您正在使用一些繁重的计算，您可能希望将更积极的过滤器放在链的开头，例如数据库查询过滤器之前的bloom过滤器等

Answer 6

类似于 @Raymond Hettinger，

虽然，我建议使用itertools的ifilter作为生成器。

from itertools import ifilter

def nFilter(filters,tuples):
      return ifilter(lambda t: all(f(t) for f in filters), tuples)

Answer 7

可以定义@tokland的替代方法

superFilter=lambda x:all(filter(x) for filter in filters)
newTuples=filter(superFilter,tuples)

或者一个衬里

 newTuples=filter(lambda x:all(filter(x) for filter in filters),tuples)

如果您只执行一次超级过滤，那么效果会更好。

将多个过滤器应用于元组列表

7 个答案:

改进：用迭代替换递归

改进：按限制性和速度订购过滤器

实施例

从评论