python：map、filter、reduce函数使用

python：map、filter、reduce函数使用

1 前言

Python的map、filter、reduce函数使用说明。

高阶函数概念：

把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

实质上，函数map，filter和reduce均为高阶函数，它们的输入参数为函数和可迭代对象(list,tumple等)，具体形式如下：

map(func, list_data)
filter(func, list_data)
reduce(func, list_data)

2 使用

2.1 map:

map(function,seq[,seq2]) 接收两个参数，第一个是function，第二个是序列：（使用上类似java的jdk8的Stream API的map方法进行值的映射，java的Stream API还有一个flatMap方法，可以扁平式一对多拆分映射）

使用如下，对list中每个值进行平方计算：

nums = [1, 2, 3]
new_nums = list(map(lambda x: x ** 2, nums))
print(new_nums)
# [1, 4, 9]

2.2 filter:

filter(function, seq)接收两个参数，基本作用是对可迭代对象中的元素进行过滤；并返回一个新的可迭代filter对象（使用上类似java的jdk8的Stream API的filter方法，筛选值，返回true的保留，返回false的对应值过滤）：

使用如下，保留list中值的平方结果，不为自身的值：

nums = [1, 2, 3]
new_nums = list(filter(lambda x: x ** 2 != x, nums))
print(new_nums)
# [2, 3]

2.3 :reduce

reduce(function,seq[,initial])接收三个参数，基本作用为对序列进行累积；并返回结果。python3中reduce需从functools模块导入。

下面都是对于nums求和的实现，使用sum方法和reduce均可，但是reduce更灵活：

nums = [1, 2, 3]
print(sum(nums))
# 6

from functools import reduce

print(reduce(lambda x, y: x + y, nums))
# 6

reduce还可以做累乘等其它操作，更加灵活，例如如下的操作：

from functools import reduce


def run():
    print("run:", "xiaoxu")
    return "run"


def walk():
    print("walk:", "xiaoxu")
    return "walk"


def drink():
    print("drink:", "xiaoxu")
    return "drink"


def empty():
    print("empty")


nums = [empty, run, walk, drink]

print(reduce(lambda x, y: y(), nums))
# run: xiaoxu
# walk: xiaoxu
# drink: xiaoxu
# drink

上述可知，最终结果以最后的函数返回结果为准。

另外针对上面reduce的用法还可以有变形，如涉及到函数嵌套调用的场景（上一个方法的结果会被下一个方法参数接收并使用）：

from functools import reduce


# lambda方法传入可选参数*x，这样reduce调用时不用必传参数，否则下面的y(x())写法中，x()是不需要参数的，没有可选参数将会抛出异常
def run(arg):
    print("run:", arg)
    return lambda *x: "run"


def walk(arg):
    print("walk:", arg)
    return lambda *x: "walk"


def drink(arg):
    print("drink:", arg)
    return lambda *x: "drink"


def empty():
    print("empty")
    return "xiaoxu"


nums = [empty, run, walk, drink]

print(reduce(lambda x, y: y(x()), nums))
# empty
# run: xiaoxu
# walk: run
# drink: walk
# <function drink.<locals>.<lambda> at 0x000001B5C4264550>

# 上面的y(x())理解为：run(empty())、walk(run())、drink(walk())的依次调用
# 最后print输出drink(walk())的返回值，也就是lambda函数：lambda *x: "drink"

print(reduce(lambda x, y: y(x()), nums)())
# empty
# run: xiaoxu
# walk: run
# drink: walk
# drink