一. Map
Map会将一个函数映射到一个输入列表的所有元素上. 这是它的规范:
map(function_to_apply, list_of_inputs)
大多数时候, 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. 比方说:
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的方式来实现. 就是这样:
items = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, items))
map不仅用于一列表的输入, 我们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))
上面print时, 加了list转换, 是为了python2/3的兼容性. 在python2中map直接返回列表, 但在python3中返回迭代器, 因此为了兼容python3, 需要list转换一下.
输出:
[0, 0]
[1, 2]
[4, 4]
[9, 6]
[16, 8]
二. 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. 所谓符合要求, 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))
输出:
[-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 (为什么更快, 值得研究一下具体实现).
三. 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. 举个例子, 当你需要计算一个整数列表的乘积时.
通常在 python 中你可能会使用基本的 for 循环来完成这个任务.
现在我们来试试 reduce:
from functools import reduce
product = reduce( (lambda x, y: x * y), [1, 2, 3, 4] )
输出:
24