Python 的内置函数 filter

Python 的内建函数 filter() 是一个非常有用的高阶函数，它用于对可迭代对象进行筛选过滤。它的基本工作原理是根据指定的函数条件，从输入的可迭代对象中筛选出符合条件的元素，返回一个迭代器对象。

1def filter(fn, iterable):
2    '''
3    过滤数据
4
5    :param fn: 回调函数，返回 True 是元素保留，返回 False 时元素去除
6    :param iterable: 要过滤的可迭代对象
7    :return: 过滤后的可迭代对象
8    '''
9

详细说明

filter() 函数的语法格式为：

1filter(function, iterable)
2

其中：

function 是筛选条件函数，当该参数为 None 时，filter() 会自动过滤掉可迭代对象中值为 False 的元素
iterable 是待处理的可迭代对象，如列表、元组等

工作原理

filter() 会遍历 iterable 中的每个元素，并调用 function 函数进行测试：

对于每个元素 x，计算 function(x)
如果返回值为 True，则保留该元素
如果返回值为 False，则过滤掉该元素

最终返回一个包含所有保留元素的迭代器对象。如果需要列表形式的结果，可以使用 list() 进行转换。

示例应用

示例1：过滤奇数

1numbers = [1, 2, 3, 4, 5, 6]
2even_numbers = filter(lambda x: x % 2 == 0, numbers)
3print(list(even_numbers))  # 输出：[2, 4, 6]
4

示例2：过滤空字符串

1strings = ["hello", "", "world", "", "python"]
2non_empty = filter(None, strings)
3print(list(non_empty))  # 输出：['hello', 'world', 'python']
4

示例3：使用自定义函数过滤

1def is_positive(num):
2    return num > 0
3
4numbers = [-5, -3, 0, 2, 4]
5positives = filter(is_positive, numbers)
6print(list(positives))  # 输出：[2, 4]
7

注意事项

filter() 返回的是迭代器而不是列表，如果需要列表必须显式转换
与列表推导式相比，filter() 在可读性上有时不如列表推导式清晰
当过滤条件简单时，使用 filter() 结合 lambda 会更简洁
在 Python 3 中，filter() 返回的是过滤器对象，而在 Python 2 中返回的是列表

性能考虑

filter() 的执行效率与列表推导式相当，但对于大型数据集，filter() 可能更节省内存，因为它返回的是迭代器而不是完整的列表。在处理大数据集时，如果需要节省内存，filter() 是更好的选择。

filter() 函数常与其他函数式编程工具如 map()、reduce() 配合使用，可以构建出简洁高效的数据处理管道。这种组合方式遵循"数据转换流水线"的设计模式，每个函数专注于完成一个特定的数据处理任务：

filter() 负责数据筛选
- 示例：从列表中筛选出偶数

1numbers = [1, 2, 3, 4, 5, 6]  
2even_numbers = filter(lambda x: x % 2 == 0, numbers)

map() 负责数据转换
- 接上例，将筛选出的偶数平方

1squared_evens = map(lambda x: x**2, even_numbers)

reduce() 负责数据聚合
- 最后计算平方后的偶数和

1from functools import reduce  
2sum_squared = reduce(lambda x, y: x + y, squared_evens)

典型应用场景包括：

数据清洗流程：先过滤无效数据，再转换格式，最后汇总统计
日志分析：筛选特定级别的日志，提取关键信息，计算指标
电商数据处理：过滤已下架商品，转换价格格式，计算总销售额

这种组合的优势在于：

代码可读性强，每个步骤意图明确
内存效率高，生成器特性避免中间数据存储
易于维护和扩展，可以灵活调整处理步骤顺序

《Python 的内置函数 filter》是转载文章，点击查看原文。