我想在匹配特定条件的 Python 中映射和过滤嵌套迭代的元素,例如:
items = [func(item) if map_condition(item) else item for item in items if filter_condition(item)]
但是泛化为嵌套的可迭代对象,例如输入如下:
items = [[1, 2], [[3, 4, 4.0, 5], 5], 6.0, 'ciao', 7, 8, {1, 2, 3}]
像这样应用函数 nested_map_filter(items, func, map_condition, filter_condition):
new_items = nested_filter_map(items, str, lambda x: isinstance(x, int), lambda x: not isinstance(x, str))
new_items = nested_filter_map(items, str, None, None)
new_items = nested_filter_map(items, str, None, lambda x: not isinstance(x, float))
new_items = nested_filter_map(items, str, lambda x: isinstance(x, int), None)
new_items = nested_filter_map(items, str, lambda x: isinstance(x, int), lambda x: not isinstance(x, float))
将分别导致:
# [['1', '2'], [['3', '4', 4.0, '5'], '5'], 6.0, '7', '8', {'2', '1', '3'}]
# [['1', '2'], [['3', '4', '4.0', '5'], '5'], '6.0', 'ciao', '7', '8', {'2', '1', '3'}]
# [['1', '2'], [['3', '4', '5'], '5'], 'ciao', '7', '8', {'2', '1', '3'}]
# [['1', '2'], [['3', '4', 4.0, '5'], '5'], 6.0, 'ciao', '7', '8', {'2', '1', '3'}]
# [['1', '2'], [['3', '4', '5'], '5'], 'ciao', '7', '8', {'2', '1', '3'}]
标准库中是否有标准构造或其他东西来执行此操作?
编辑:我改进了术语,使 map/filter 符合内置的含义并添加了更多测试用例.
编辑
我已经写了类似这样的东西,可以完成这项工作。
(EDIT 2) 我的问题更多:我是在重新发明轮子吗?将其写成生成器是否可能/方便?
def deep_filter_map(
items,
func=None,
map_condition=None,
filter_condition=None,
avoid=(str, bytes),
max_depth=-1):
if func is None:
def func(x): return x
if map_condition is None:
def map_condition(_): return True
if filter_condition is None:
def filter_condition(_): return True
container = type(items)
new_items = []
for item in items:
try:
no_expand = avoid and isinstance(item, avoid)
if no_expand or max_depth == 0 or item == next(iter(item)):
raise TypeError
except TypeError:
if filter_condition(item):
new_items.append(func(item) if map_condition(item) else item)
else:
new_items.append(
deep_filter_map(
item, func, map_condition, filter_condition, avoid, max_depth - 1))
return container(new_items)
请您参考如下方法:
据我所知,标准库中没有这样的功能,但您可以通过将其拆分成更小的部分然后可以独立使用来提高您自己的解决方案的可重用性(以及可维护性和可测试性)。首先,一个用于有条件地应用某些函数的包装函数,然后是两个用于将任何函数应用于或有条件地过滤嵌套 iterable 的元素的函数。
def cond_apply(cond, func):
return lambda x: func(x) if cond(x) else x
def deep_map(func, lst, types=(list, tuple, set)):
if isinstance(lst, types):
return type(lst)(deep_map(func, x) for x in lst)
else:
return func(lst)
def deep_filter(cond, lst, types=(list, tuple, set)):
if isinstance(lst, types):
return type(lst)(deep_filter(cond, x) for x in lst if isinstance(x, types) or cond(x))
else:
return lst
items = [[1, 2], [[3, 4, 4.0, 5], 5], 6.0, 'ciao', 7, 8, {1, 2, 3}]
print(deep_map(cond_apply(lambda x: isinstance(x, int), str),
deep_filter(lambda x: not isinstance(x, str), items)))
# [['1', '2'], [['3', '4', 4.0, '5'], '5'], 6.0, '7', '8', {'1', '3', '2'}]
这样,函数就可以单独使用,你也可以,例如反转 map 和 filter 步骤。当然,您仍然可以将这三个函数包装到另一个提供所有参数的函数中,以便于使用。
