如果你是有打算從事有關(guān)數(shù)據(jù)分析或者數(shù)據(jù)挖掘的等數(shù)據(jù)科學(xué)領(lǐng)域的工作,，或者和我一樣目前就是從事相關(guān)領(lǐng)域的工作，那么「鏈?zhǔn)秸{(diào)用」對(duì)我們而言是一門必修課,。

為什么是鏈?zhǔn)秸{(diào)用,？

鏈?zhǔn)秸{(diào)用，或者也可以稱為方法鏈（Method Chaining）,，從字面意思上來說就是將一些列的操作或函數(shù)方法像鏈子一樣穿起來的 Code 方式,。

我最開始感知鏈?zhǔn)秸{(diào)用的「美」，還要從使用 R 語言的管道操作符開始,。

對(duì)于 R user 來說,，對(duì)于這一段代碼很快就能明白整個(gè)流程步驟是怎樣的。這一切都是通過符號(hào)%>%（管道操作符）談起,。

通過管道操作符,，我們可以將左邊事物傳遞給下一個(gè)事物。這里我將mtcars數(shù)據(jù)集傳遞到group_by 函數(shù)中,，然后將得到后的結(jié)果再傳遞到summarize函數(shù),，最后傳遞到ggplot函數(shù)中進(jìn)行可視化繪制。

如果我沒有學(xué)會(huì)鏈?zhǔn)秸{(diào)用,，那么最開始學(xué)習(xí) R 語言的我一定是這樣寫：

library(tidyverse)

cyl4 <- mtcars[which(mtcars$cyl==4), ]
cyl6 <- mtcars[which(mtcars$cyl==6), ]
cyl8 <- mtcars[which(mtcars$cyl==8), ]

data <- data.frame(
  cyl = c(4, 6, 8),
  meanOfdisp = c(mean(cyl4$disp), mean(cyl6$disp), mean(cyl8$disp))
)

graph <- ggplot(data=data, aes(x=factor(cyl), y=meanOfdisp, 
                               fill = as.factor(seq(1,3)))) 
graph <- graph + geom_bar(stat = 'identity') + guides(fill=F)
graph

如果不使用管道操作符,，那么我將會(huì)進(jìn)行不必要的賦值，并且覆蓋原有的數(shù)據(jù)對(duì)象,，但其實(shí)當(dāng)中產(chǎn)生的cyl#,、data 其實(shí)最后都只是為graph 這一張圖片所服務(wù)的，因此導(dǎo)致的問題就是代碼會(huì)變得冗余,。

鏈?zhǔn)秸{(diào)用在極大程度簡(jiǎn)潔代碼的同時(shí),，也提高了代碼的可讀性，能夠很快速地了解到每一步都是在做什么,。這種方式對(duì)于做數(shù)據(jù)分析或處理數(shù)據(jù)時(shí)是十分有用，減少創(chuàng)建不必要的變量時(shí),，能夠以快速,、簡(jiǎn)單的方式進(jìn)行探索。

你能在很多地方見到鏈?zhǔn)秸{(diào)用或者管道操作的身影,，這里我舉除了 R 語言以外的兩個(gè)典型例子,。

一個(gè)是 Shell 語句：

在 shell 語句中使用「|」管道操作符能夠快速地實(shí)現(xiàn)鏈?zhǔn)秸{(diào)用，這里我首先是打印1-100的所有整數(shù)，然后將其傳入到grep方法中,，提取由 3 或 4 開頭的所有部分,，再將這部分傳入到tr 方法中，并對(duì)數(shù)字包含 3 的部分用星號(hào)替換,。結(jié)果如下：

另外一個(gè)是 Scala 語言：

object Test {
  def main(args: Array[String]): Unit = {
    val numOfseq = (1 to 100).toList
    val chain = numOfseq.filter(_%2==0)
      .map(_*2)
      .take(10)
  }
}

在這段示例中,，首先numOfseq 這個(gè)變量包含了從 1-100 的所有整數(shù)，然后從chain部分開始,，我首先在numOfseq的基礎(chǔ)上調(diào)用了filter 方法,，用以篩選這些數(shù)字中為偶數(shù)的部分，其次在調(diào)用map 方法,，將這些被篩選出來的數(shù)乘以 2,，最后使用take 方法從新構(gòu)成的數(shù)字中取出前 10 個(gè)數(shù)，這些數(shù)共同賦值給了chain 變量,。

通過以上的敘述,，相信你能對(duì)鏈?zhǔn)秸{(diào)用有一個(gè)初步的印象，但是一旦你掌握了鏈?zhǔn)秸{(diào)用,，那么除了會(huì)讓你的代碼風(fēng)格有所改變以外,，你的編程思維也會(huì)有不一樣的提升。

Python 中的鏈?zhǔn)秸{(diào)用

在 Python 中實(shí)現(xiàn)一個(gè)簡(jiǎn)單的鏈?zhǔn)秸{(diào)用就是通過構(gòu)建類方法并返回對(duì)象自身或返回歸屬類（@classmethod）

在這里我們創(chuàng)建一個(gè)Chain 類,，需要傳遞一個(gè)name 字符串參數(shù)進(jìn)行實(shí)例對(duì)象的創(chuàng)建,；當(dāng)中這個(gè)類里有三個(gè)方法，分別是introduce,、talk以及greet,。

由于每次返回的是self 自身，那么我們就可以源源不斷地調(diào)用對(duì)象歸屬類中的方法,，結(jié)果如下：

hello, my name is jobs
--------------------
hello, my name is jobs
Can we make a friend?
--------------------
hello, my name is jobs
Can we make a friend?
Hey! How are you?

在 Pandas 中使用鏈?zhǔn)秸{(diào)用

前面鋪墊了這么多終于談到有關(guān)于 Pandas 鏈?zhǔn)秸{(diào)用部分
Pandas 中的大部分方法都很適合使用鏈?zhǔn)椒椒ㄟM(jìn)行操作,，因?yàn)榻?jīng)過 API 處理后返回的往往還是 Series 類型或 DataFrame 類型，所以我們可以直接就調(diào)用相應(yīng)的方法,，這里我以我在今年 2 月份左右給別人做案例演示時(shí)爬取到的華農(nóng)兄弟 B 站視頻數(shù)據(jù)為例,。可以通過鏈接進(jìn)行獲取,。

數(shù)據(jù)字段信息如下所示,，里面有 300 條數(shù)據(jù)，并且 20 個(gè)字段：

但在使用這部分?jǐn)?shù)據(jù)之前,，我們還需要對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行初步的清洗,，這里我主要選取了以下字段：

• aid：視頻對(duì)應(yīng)的 av 號(hào)

• comment：評(píng)論數(shù)

• play：播放量

• title：標(biāo)題

• video_review：彈幕數(shù)

• created：上傳日期

• length：視頻時(shí)長(zhǎng)

1、數(shù)據(jù)清洗

各字段對(duì)應(yīng)的值如下所示：

從數(shù)據(jù)中我們可以看到：

1. title 字段前面都會(huì)帶有「華農(nóng)兄弟」四個(gè)字,，如果對(duì)標(biāo)題字?jǐn)?shù)進(jìn)行統(tǒng)計(jì)時(shí)需要預(yù)先去除,；

2. created 上傳日期似乎顯示成了一長(zhǎng)串的數(shù)值,，但其實(shí)是從 1970 至今的時(shí)間戳，我們需要處理成可讀懂的年月日形式,；

3. length 播放量長(zhǎng)度只顯示了分秒,，但是小時(shí)并未用「00」來進(jìn)行補(bǔ)全，因此這里我們一方面需要將其補(bǔ)全,，另一方面要將其轉(zhuǎn)換成對(duì)應(yīng)的時(shí)間格式

鏈?zhǔn)秸{(diào)用操作如下：

這里首先是通過loc方法挑出其中的列,，然后調(diào)用assign方法來創(chuàng)建新的字段，新的字段其字段名如果和原來的字段相一致,，那么就會(huì)進(jìn)行覆蓋,，從assign中我們可以很清楚地看到當(dāng)中字段的產(chǎn)生過程，同lambda 表達(dá)式進(jìn)行交互：

1.title 和title_count：

• 原有的title字段因?yàn)閷儆谧址愋?，可以直接很方便的調(diào)用str.* 方法來進(jìn)行處理,，這里我就直接調(diào)用當(dāng)中的replace方法將「華農(nóng)兄弟：」字符進(jìn)行清洗

• 基于清洗好的title 字段，再對(duì)該字段使用apply方法,，該方法傳遞我們前面實(shí)現(xiàn)定義好的字?jǐn)?shù)統(tǒng)計(jì)的函數(shù),，對(duì)每一條記錄的標(biāo)題中，對(duì)屬于\u4e00到\u9fa5這一區(qū)間內(nèi)的所有 Unicode 中文字符進(jìn)行提取,，并進(jìn)行長(zhǎng)度計(jì)算

2.created和created_date：

• 對(duì)原有的created 字段調(diào)用一個(gè)pipe方法,，該方法會(huì)將created 字段傳遞進(jìn)pd.to_datetime 參數(shù)中，這里需要將unit時(shí)間單位設(shè)置成s秒才能顯示出正確的時(shí)間,，否則仍以 Unix 時(shí)間錯(cuò)的樣式顯示

• 基于處理好的created 字段,，我們可以通過其屬于datetime64 的性質(zhì)來獲取其對(duì)應(yīng)的時(shí)間，這里 Pandas 給我們提供了一個(gè)很方便的 API 方法,，通過dt.*來拿到當(dāng)中的屬性值

3.length 和video_length：

• 原有的length 字段我們直接讓字符串00:和該字段進(jìn)行直接拼接,，用以做下一步轉(zhuǎn)換

• 基于完整的length時(shí)間字符串，我們?cè)俅握{(diào)用pipe方法將該字段作為參數(shù)隱式傳遞到pd.to_timedelta方法中轉(zhuǎn)化,，然后同理和create_date字段一樣獲取到相應(yīng)的屬性值,，這里我取的是秒數(shù)。

2,、播放量趨勢(shì)圖

基于前面稍作清洗后得到的tidy_data數(shù)據(jù),，我們可以快速地做一個(gè)播放量走勢(shì)的探索。這里我們需要用到created這個(gè)屬于datetime64的字段為 X 軸,，播放量play 字段為 Y 軸做可視化展示,。

# 播放量走勢(shì)

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

import matplotlib.pyplot as plt


(tidy_data[['created', 'play']]
 .set_index('created')
 .resample('1M')
 .sum()
 .plot(
    kind='line',
    figsize=(16, 8), 
    title='Video Play Prend(2018-2020)', 
    grid=True, 
    legend=False
  )
)
plt.xlabel('')
plt.ylabel('The Number Of Playing')

這里我們將上傳日期和播放量?jī)蓚€(gè)選出來后，需要先將created設(shè)定為索引,，才能接著使用resample重采樣的方法進(jìn)行聚合操作,，這里我們以月為統(tǒng)計(jì)顆粒度，對(duì)每個(gè)月播放量進(jìn)行加總,，之后再調(diào)用plot 接口實(shí)現(xiàn)可視化,。

鏈?zhǔn)秸{(diào)用的一個(gè)小技巧就是，可以利用括號(hào)作用域連續(xù)的特性使整個(gè)鏈?zhǔn)秸{(diào)用的操作不會(huì)報(bào)錯(cuò),，當(dāng)然如果不喜歡這種方式也可以手動(dòng)在每條操作后面追加一個(gè)\符號(hào),，所以上面的整個(gè)操作就會(huì)變成這樣：

但是相比于追加一對(duì)括號(hào)來說，這種尾部追加\符號(hào)的方式并不推薦,，也不優(yōu)雅,。

但是如果既沒有在括號(hào)作用域或未追加\ 符號(hào)，那么在運(yùn)行時(shí) Python 解釋器就會(huì)報(bào)錯(cuò),。

3,、鏈?zhǔn)秸{(diào)用性能

通過前兩個(gè)案例我們可以看出鏈?zhǔn)秸{(diào)用可以說是比較優(yōu)雅且快速地能實(shí)現(xiàn)一套數(shù)據(jù)操作的流程，但是鏈?zhǔn)秸{(diào)用也會(huì)因?yàn)椴煌膶懛ǘ嬖谛阅苌系牟町悺?/p>

這里我們繼續(xù)基于前面的tidy_data操作,，這里我們基于created_date 來對(duì)play,、comment和video_review進(jìn)行求和后的數(shù)值進(jìn)一步以 10 為底作對(duì)數(shù)化。最后需要得到以下結(jié)果：

寫法一：一般寫法

這種寫法就是基于tidy_data拷貝后進(jìn)行操作,，操作得到的結(jié)果會(huì)不斷地覆蓋原有的數(shù)據(jù)對(duì)象

寫法二：鏈?zhǔn)秸{(diào)用寫法

可以看到,，鏈?zhǔn)秸{(diào)用的寫法相比于一般寫法而言會(huì)快上一點(diǎn)，不過由于數(shù)據(jù)量比較小,，因此二者時(shí)間的差異并不大,；但鏈?zhǔn)秸{(diào)用由于不需要額外的中間變量已經(jīng)覆蓋寫入步驟，在內(nèi)存開銷上會(huì)少一些,。

結(jié)尾：鏈?zhǔn)秸{(diào)用的優(yōu)劣

從本文的只言片語中,，你能領(lǐng)略到鏈?zhǔn)秸{(diào)用使得代碼在可讀性上大大的增強(qiáng)，同時(shí)以盡肯能少的代碼量去實(shí)現(xiàn)更多操作,。

當(dāng)然,，鏈?zhǔn)秸{(diào)用并不算是完美的，它也存在著一定缺陷,。比如說當(dāng)鏈?zhǔn)秸{(diào)用的方法超過 10 步以上時(shí),，那么出錯(cuò)的幾率就會(huì)大幅度提高，從而造成調(diào)試或 Debug 的困難,。比如這樣：

(data
  .method1(...)
  .method2(...)
  .method3(...)
  .method4(...)
  .method5(...)
  .method6(...)
  .method7(...) # Something Error
  .method8(...)
  .method9(...)
  .method10(...)
  .method11(...)
)

你只能從鏈?zhǔn)秸{(diào)用方法體中「從尾倒頭」一步一步地去重現(xiàn)發(fā)生問題的地方在哪,。

因此使用鏈?zhǔn)秸{(diào)用時(shí)，一定必須要考慮以下問題：

1. 是否需要中間變量

2. 操作數(shù)據(jù)中的步驟是否需要分解

3. 每次操作后的結(jié)果是否仍為 DataFrame 類型

如果不需要中間變量,、步驟不需要分解且保證最后返回的就是 DataFrame 類型,，那么就愉快地使用鏈?zhǔn)秸{(diào)用方法來完成你的數(shù)據(jù)流程吧！