一种更有效的使用 if 条件的 Pythonic 方式

Question

我有这段检查条件的代码：

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = get_additional_data(data_row)
    for word in NEGATIVE_WORDS:
        if word in add_data.lower():
            return False
    for word in POSITIVE_WORDS:
        if word in add_data.lower():
            return True
    return False

这很难理解（在我看来），所以我想知道是否有人可以用更短的行建议一些更 Python 的东西？例如，我可以合并两个 for 循环吗？如果我合并两个 for 循环，它会消耗更多时间吗？

Answer 1

这很难理解（在我看来），所以我想知道是否有人可以用更短的行建议一些更 Pythonic 的东西？

一般来说，pythonic 并不意味着较短的行。 Pythonic 代码应该易于阅读和遵循（至少有一点背景知识）。因此，如果您觉得难以阅读，您可以将其分解为不同的功能：

# I'm not sure if the function name is a good fit, it's just a suggestion.
def contains_at_least_one(data, words):  
    for word in words:
        if word in data:
            return True
    return False

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = get_additional_data(data_row).lower()
    if contains_at_least_one(add_data, NEGATIVE_WORDS):
        return False
    if contains_at_least_one(add_data, POSITIVE_WORDS):
        return True
    return False

我可以合并两个 for 循环吗？

不是真的。因为NEGATIVE_WORDS 循环应该优先于（至少在您的代码中）POSITIVE_WORDS 循环。除了你的意思是把它分解成一个函数。那就先看看吧。

如果我合并两个 for 循环，会不会消耗更多时间？

我不确定你所说的“合并”循环是什么意思，但如果你想让它更短，你可以在上面的方法中使用any。它相当于for-loop 并且更短 - 但根据我和 StefanPochmans 的基准测试，它更慢：

def contains_at_least_one(data, words):
    return any(word in data for word in words)

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = get_additional_data(data_row).lower()
    if contains_at_least_one(add_data, NEGATIVE_WORDS):
        return False
    if contains_at_least_one(add_data, POSITIVE_WORDS):
        return True
    return False

您甚至可以通过将and 用于return 来减少行数。我不会推荐它，因为这样的结构不会提高可读性，但这是你的决定，它是“缩短”代码的一种方法：

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = get_additional_data(data_row).lower()
    return (not contains_at_least_one(add_data, NEGATIVE_WORDS) and
            contains_at_least_one(add_data, POSITIVE_WORDS))

有点牵强，但也许您甚至可以使用sets 来加快速度。这将要求您只查找整个单词匹配（不是部分匹配，不是多单词匹配）：

def contains_at_least_one(data, words):
    return data.intersection(words)

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = set(get_additional_data(data_row).lower().split())  # set and split!
    return not contains_at_least_one(add_data, NEGATIVE_WORDS) and contains_at_least_one(add_data, POSITIVE_WORDS)

如果您不希望标点符号破坏匹配，另请参阅 tobias_k 答案中的正则表达式建议。但是，设置方法仅表示“小建议”-我怀疑它是否可以应用于您的情况。但你需要判断。

Answer 2

由于anys，这更紧凑并且短路，就像您的显式循环一样。

def is_important(data_row):
    if data_row.get('important', None):
        return True
    add_data = get_additional_data(data_row)
    if any(word in add_data.lower() for word in NEGATIVE_WORDS):  # negative check takes precedence.
        return False
    if any(word in add_data.lower() for word in POSITIVE_WORDS):
        return True
    return False

关于这件事的几件事：

• 为什么在搜索NEGATIVE_WORDS而不是POSITIVE_WORDS时调用.lower()？
• 如果add_data同时包含NEGATIVE_WORDS和POSITIVE_WORDS，最后两个ifs的顺序会影响结果。这不是好的做法。

Answer 3

除了使用any，您还可以将不同的条件组合成一个return 语句，但是否更清楚可能是一个见仁见智的问题。

def is_important(data_row):
    add_data = get_additional_data(data_row)
    return (data_row.get('important', None)
        or (not any(word in add_data.lower() for word in NEGATIVE_WORDS)
            and any(word in add_data         for word in POSITIVE_WORDS)))

虽然如果get_additional_data 很贵，您可以将第一个if 分开。

此外，您可以通过首先将add_data 转换为（小写）单词的set 来加快检查速度，但这会稍微改变逻辑，例如不匹配单词片段。

def is_important(data_row):
    add_data = set((word.lower() for word in get_additional_data(data_row).split()))
    return (data_row.get('important', None)
        or (not any(word in add_data for word in NEGATIVE_WORDS)
            and any(word in add_data for word in POSITIVE_WORDS)))

或者，代替.split()，使用例如re.findall(r"\w+") 查找不带标点的单词。

根据正面和负面列表的大小，也可能会得到回报以反转检查，例如any(word in POSITIVE_WORDS for word in add_data.split())，尤其是那些已经是具有快速查找功能的 set 结构时。