filter，顾名思义，就是一个过滤器。其作用是从列表（或其他序列类型）中筛选出满足条件的子列表，filter是python的内置函数，无须import即可直接使用。

1 filter的基础用法

对于列表（或其他序列类型），如果希望从中筛选出满足某个约束条件的子列表，我们一般的做法是使用一个for循环遍历每个元素然后执行相同约束条件判断，将满足条件的放入新的子列表中。例如，从列表中找出所有偶数子列表，并按对应的先后顺序放入子列表中:

a = [1, 2, 3, 4, 5]
b  = []
for i in a:
    if i % 2 == 0:
        b.append(i)

那么如果使用filter的话，使用filter函数使得代码变得更简洁：

a = [1, 2, 3, 4, 5]
def check(i): return i % 2 == 0
b = list(filter(check, a))

2 filter与for循环性能对比

前面在讲map时，我们知道map函数除了能让代码更优雅以外，使用map比使用for循环速度更快。同样的，使用filter远比使用for循环快。我们做个实验，从长为100000的列表中，查找偶数对比耗时：

import time

def test_for(length):
    sub_list = []
    begin = time.perf_counter()
    for i in range(length):
        if i % 2 == 0:
            sub_list.append(i)
    end = time.perf_counter()
    print('for循环耗时:', (end - begin))

def test_filter(length):
    def check(i):
        return i % 2 == 0
    begin = time.perf_counter()
    sub_list = filter(check, range(length))
    end = time.perf_counter()
    print('filter耗时:', (end - begin))

test_for(100000)
test_filter(100000)

输出结果如下：

for循环耗时: 0.015271199999999999
filter耗时: 1.4000000000000123e-05

从输出结果可以看到：

在十万级别数据上，filter的速度大约是for循环的1000倍。

当然了，具体的速度对比方面跟具体的硬件有关，一般而言，如果本地机器硬件配置越高，那么这个倍数越高。所以，平时写代码时，可以稍微注意一下，是否可以使用更高效的替代方案。

如果您觉得本文对你有帮助，欢迎关注我【Python学习实战】，第一时间获取最新更新。每天学习一点点，每天进步一点点。