Map, Filter 和Reduce
这三个函数能为函数式编程提供便利
Map
Map会将一个函数映射到一个输入列表的所有元素上,规范:
map(function_to_apply, list_of_inputs)
# 大多数,我们要把列表中所有元素一个个地传递给一个函数,并收集输出。
items = [1,2,3,4,5]
squared = []
for i in items:
squared.append(i**2)
# map 可以让我们用一种简单而漂亮得多得方式来实现
items = [1,2,3,4,5]
squared = list(map(lambda x: x**2, items))# 一般用匿名函数(lambda)来配合map
# map 不仅可以用于一列表的输入,甚至可以用于一列表的函数
def multiply(x):
return (x*x)
def add(x):
return (x+x)
funcs = [multiply, add]
for i in range(5):
value = map(lambda x: x(i), funcs)
print(list(value))
[0, 0]
[1, 2]
[4, 4]
[9, 6]
[16, 8]
Filter
filter 过滤列表中的元素,并且返回一个由所有符合要求的元素所构成的列表,符合要求即函数映射到该元素时返回值为True.
number_list = range(-5, 5)
less_than_zero = filter(lambda x: x < 0, number_list)
print(list(less_than_zero))
[-5, -4, -3, -2, -1]
这个filter类似于一个for循环,但它是一个内置函数,并且更快。
其实,如果觉得map和filter看起来不够优雅的话,还有列表/字典/元组推导式。而且推导式的可读性更好。
Reduce
当需要对一个列表进行一些计算并返回结果时,Reduce是个非常有用的函数。
from functools import reduce
product = reduce((lambda x, y: x * y), [1,2,3,4])
print(product)
24