lambda、map、filter、reduce用法介绍-老男孩Python培训

    /    2019-06-24

lambda

lambda是匿名函数,也就是没有名字的函数。lambda的语法非常简单:

lambda表达式语法

下面是一个lambda表达式的简单例子:

注意:我们可以把lambda表达式赋值给一个变量,然后通过这个变量来使用它。

>>> my_sum = lambda x, y: x+y
>>> my_sum(12)
3

下图是定义lambda表达式和定义一个普通函数的对比:

lambda表达式与普通函数的区别

注意:

使用lambda表达式并不能提高代码的运行效率,它只能让你的代码看起来简洁一些。

map

map()接收两个参数func(函数)和seq(序列,例如list)。如下图:

map(func,seq)

map()将函数func应用于序列seq中的所有元素。在Python3之前,map()返回一个列表,列表中的每个元素都是将列表或元组“seq”中的相应元素传入函数func返回的结果。Python 3中map()返回一个迭代器。

因为map()需要一个函数作为参数,所以可以搭配lambda表达式很方便的实现各种需求:

  • 例子1–将一个列表里面的每个数字都加100:

    >>> l = [1122334455]
    >>> list(map(lambda x:x+100, l))
    [111122133144155]
  • 例子2–

使用map就相当于使用了一个for循环,我们完全可以自己定义一个my_map函数:

def my_map(func, seq):
    result = []
    for i in seq:
        result.append(func(i))
    return result

测试一下我们自己的my_map函数:

>>def my_map(func, seq):
...     result = []
...     for i in seq:
...         result.append(func(i))
...     return result
... 
>>> l = [1122334455]
>>> list(my_map(lambda x:x+100, l))
[111122133144155]

我们自定义的my_map函数的效果和内置的map函数一样。

当然在Python3中,map函数返回的是一个迭代器,所以我们也需要让我们的my_map函数返回一个迭代器:

def my_map(func, seq):
    for i in seq:
        yield func(i)

测试一下:

>>def my_map(func, seq):
...     for i in seq:
...         yield func(i)
... 
>>> l = [1122334455]
>>> list(my_map(lambda x:x+100, l))
[111122133144155]

与我们自己定义的my_map函数相比,由于map是内置的因此它始终可用,并且始终以相同的方式工作。它也具有一些性能优势,通常会比手动编写的for循环更快。当然内置的map还有一些高级用法:

例如,可以给map函数传入多个序列参数,它将并行的序列作为不同参数传入函数:

拿pow(arg1, arg2)函数举例,

>>> pow(210)
1024
>>> pow(311)
177147
>>> pow(412)
16777216
>>> list(map(pow, [234], [101112]))
[102417714716777216]

pow(arg1, arg2)函数接收两个参数arg1和arg2,map(pow, [2, 3, 4], [10, 11, 12])就会并行从[2, 3, 4]和[10, 11, 12]中取出元素,传入到pow中。

还有一个例子:

>>> from operator import add
>>> x = [123]
>>> y = [456]
>>> list(map(add, x, y))
[579]

调用map函数类似于列表推导式,但是列表推导式是对每个元素做表达式运算,而map对每个元素都会应用一次函数调用。也只有在map中使用内置函数时,才可能比列表推导式速度更快。

filter

filter函数和map函数一样也是接收两个参数func(函数)和seq(序列,如list),如下图:

filter(func,seq)

filter函数类似实现了一个过滤功能,它过滤序列中的所有元素,返回那些传入func后返回True的元素。也就是说filter函数的第一个参数func必须返回一个布尔值,即True或者False。

下面这个例子,是使用filter从一个列表中过滤出大于33的数:

>>> l = [301177825654]
>>> list(filter(lambda x: x>33, l))
[7765]

利用filter()还可以用来判断两个列表的交集:

>>> x = [12356]
>>> y = [23467]
>>> list(filter(lambda a: a in y, x))
[236]

reduce

注意:Python3中reduce移到了functools模块中,你可以用过from functools import reduce来使用它。

reduce同样是接收两个参数:func(函数)和seq(序列,如list),如下图:

reduce(fun,seq)

reduce最后返回的不是一个迭代器,它返回一个值。

reduce首先将序列中的前两个元素,传入func中,再将得到的结果和第三个元素一起传入func,…,这样一直计算到最后,得到一个值,把它作为reduce的结果返回。

原理类似于下图:

reduce_02

看一下运行结果:

>>> from functools import reduce
>>> reduce(lambda x,y:x+y, [1234])
10

再来练习一下,使用reduce求1~100的和:

>>> from functools import reduce
>>> reduce(lambda x,y:x+y, range(1101))
5050

三元运算

三元运算(三目运算)在Python中也叫条件表达式。三元运算的语法非常简单,主要是基于True/False的判断。如下图:

ternary operation

使用它就可以用简单的一行快速判断,而不再需要使用复杂的多行if语句。 大多数时候情况下使用三元运算能够让你的代码更清晰。

三元运算配合lambda表达式和reduce,求列表里面值最大的元素:

>>> from functools import reduce
>>> l = [301177825654]
>>> reduce(lambda x,y: x if x > y else y, l)
77

再来一个,三元运算配合lambda表达式和map的例子:

将一个列表里面的奇数加100:

>>> l = [301177825654]
>>> list(map(lambda x: x+100 if x%2 else x, l))
[3011117781251654]

(0)

分享至