> 本文示例程式碼已上傳至我的`Github`倉庫[https://github.com/CNFeffery/DataScienceStudyNotes](https://github.com/CNFeffery/DataScienceStudyNotes) # 1 簡介 　　鏈式程式設計是一種非常高效的組織程式碼的方式，典型如`pandas`與`scikit-learn`中的`pipe()`，以及`R`中的管道操作符`%>%`等，它們都可以幫助我們像連線管道一樣，將計算過程中的不同步驟順滑的連線起來，從而取代繁瑣的函式巢狀以及避免多餘中間變數的建立。 圖1 　　鏈式程式設計與常規寫法的比較如下例： ```Python # 非鏈式寫法 func4(func3(func2(func1(A)))) # 鏈式寫法 A.func1().func2().func3().func4() ``` 　　哪一種寫法更簡潔明瞭，想必大家一眼就看得出來，而今天的文章就將帶大家認識如何藉助`funct`的力量，來改造`Python`原生列表，賦予其鏈式計算的能力。 # 2 利用funct.Array實現鏈式計算 　　`funct`的設計理念就是*類似Python列表但更棒*，它借鑑了`numpy`的很多特點，配合功能豐富的各種鏈式計算方法，使得我們在使用它完成計算任務編寫程式碼如絲般順滑時~ 　　利用`pip install funct`完成安裝（本文演示版本為**0.9.2**）之後，下面我們來認識它的一些優秀特性吧~ ## 2.1 funct.Array的建立 　　`funct`中類比列表和`numpy`中的陣列，創造了`Array`這種特別的資料結構，常用的有如下幾種建立方式： - **從其他資料結構建立** 　　最常規的方式是從現有的其他資料結構，轉換到`Array`，常見如下面的幾個例子：

圖2 - **類似numpy風格的規則建立方法** 　　除了從現成的資料中建立`Array`之外，我們還可以類似`numpy`中的`linspace()`等API那樣，基於規則批量建立資料，常用的有如下兩種方法： 圖3 - **建立巢狀Array** 　　既然是建立在列表的基礎上，那麼`funct`對巢狀`Array`尤其是不規則巢狀`Array`的支援也是很到位的： 圖4 　　但在配合多個`numpy`陣列構建巢狀`Array`時要注意，最後一定要加上`toArray()`方法才能徹底完成轉換： 圖5 ## 2.2 funct.Array的索引 　　大致介紹完如何建立`funct.Array`之後，很重要的一點就是如何對已有`Array`進行索引，在`funct`中針對`Array`設計瞭如下幾種豐富的索引方式： - **列表式索引** 　　既然繼承自列表，自然可以使用`Python`原生列表的索引與切片方式：

圖6 - **陣列式索引** 　　我們都知道`Python`原生列表不能傳入一系列標號對應的陣列來一次性索引出多個值，除非轉換為`numpy`陣列或`pandas`的`Series`，但這又會在一些應用場景下丟失靈活性，但在`Array`中，它可以！ 圖7 - **Bool值索引** 　　`Array`同樣支援傳入`Bool`值索引，使得我們可以將某個條件判斷之後的判斷結果作為索引依據傳入： 圖8 - **多層索引** 　　既然`Array`是支援巢狀結構的，自然可以進行多層索引，但需要注意的是： 圖9 ## 2.3 funct.Array的鏈式騷操作 　　講完了如何建立與索引`funct.Array`之後，就來到了本文的重頭戲——`Array`的鏈式運算上，在`funct.Array`中，幾乎所有常見的數值與邏輯運算都被封裝到方法中，我們來一階一階的來看看不同情況下如何組織程式碼： - **level1：基礎的數值運算** 　　首先我們來看看最基礎的四則運算等操作在`Array`中如何鏈式下去：

圖10 　　這樣每一步都很清楚，且每一步都可以獨立添加註釋，保持了程式碼的可讀性，譬如可用於歸一化與標準化的計算上： 圖11 - **level2：配合map方法推廣元素級別運算** 　　除了使用內建的基礎的運算方法之外，在`funct.Array`中還支援配合`map()`方法將任意函式應用到每個元素上，從而無限拓寬計算的自由性，譬如我們在前面歸一化的基礎上對資料進行分箱： 圖12 - **level3：配合zip方法引入其他Array參與運算** 　　當我們想要在鏈式運算中引入其他陣列物件時，就可以用到更高階的`zip()`方法，譬如我們想找出多個`Array`中相同位置最大值： 圖13 - **level4：條件分組** 　　在`pandas`中我們可以利用`groupby()`進行資料分箱並銜接任意形式的運算，在`funct.Array`中我們也可以配合`groupBy()`方法實現： 圖14 　　而除了本文介紹到的這一點API之外，`funct`還提供了上百種實用API，並且還具有**並行執行**與**併發執行**等高階特性，感興趣的朋友可以前往官方文件檢視（ https://github.com/Lauriat/funct ）。 --- 　　以上就是本文的全部內容，歡迎在評論區與我進