Python 打包多项数据并映射|极客教程

Python 打包多项数据并映射，当使用类似于((f(x), x) for x in C)这样的结构时，首先将多个值打包以创建元组，然后进行映射。通常用这种方法保存中间计算结果。它既可以避免使用包含复杂状态的对象，也可以避免重复计算。

下面是根据路径点创建旅行数据的计算过程的一部分，代码如下所示：

from ch02_ex3 import (
    float_from_pair, lat_lon_kml, limits, haversine, legs
)

path = float_from_pair(float_lat_lon(row_iter_kml(source)))
trip = tuple(
    (start, end, round(haversine(start, end), 4))
    for start, end in legs(iter(path))
)

对上述代码稍做修改，创建一个高阶函数把打包部分与其他函数分开，具体实现如下：

from typing import Callable, Iterable, Tuple, Iterator

Point = Tuple[float, float]
Leg_Raw = Tuple[Point, Point]

Point_Func = Callable[[Point, Point], float]
Leg_D = Tuple[Point, Point, float]

def cons_distance(
        distance: Point_Func,
        legs_iter: Iterable[Leg_Raw]) -> Iterator[Leg_D]:
    return (
        (start, end, round(distance(start,end), 4))
        for start,end in legs_iter
    )

这个函数将每个路径段拆解开，保存在start和end两个变量里，这些变量是类型Point的实例，也就是由浮点数组成的二元组。这些变量作为distance()函数的参数，计算出每段距离。距离函数接收两个Point类型对象作参数，返回一个float值。cons_distance()返回一个三元组，包括原始数据中的起点和终点，以及距离计算结果。

接下来修改trip的赋值表达式，通过haversine()函数计算距离，如下所示：

path = float_from_pair(float_lat_lon(row_iter_kml(source)))
trip2 = tuple(cons_distance(haversine, legs(iter(path))))</code></pre>

用高阶函数cons_distance()代替了生成器表达式，使用函数作为参数，返回生成器表达式。

对上面的函数稍做修改，得到如下函数：

from typing import Callable, Iterable, Tuple, Iterator, Any
Point = Tuple[float, float]
Leg_Raw = Tuple[Point, Point]
Point_Func = Callable[[Point, Point], float]
Leg_P_D = Tuple[Leg_Raw, ...]

def cons_distance3(
        distance: Point_Func,
        legs_iter: Iterable[Leg_Raw]) -> Iterator[Leg_P_D]:
    return (
        leg + (round(distance(*leg), 4), ) # 1-tuple
        for leg in legs_iter
    )

该版本清晰地展示了如何基于原有对象创建新的对象，遍历旅行数据中的每个路径段，类型为Leg_Raw，即包含两个点的二元组，沿着路径段计算距离，把代表原始路径段的Leg_Raw类型的对象与计算得到的距离组合在一起。

由于这些cons_distance()函数都接收函数作为参数，因此可以用其他公式计算距离。例如，可以使用math.hypot(lat(start) - lat(end), lon(start) - lon(end))计算出每个路径段起点和终点间的平面距离，尽管这种算法不太合适在这里使用。

后面将使用partial()函数设置haversine()函数中R参数的值来改变距离计算单位。