Map+Filter+Reduce

• Map

  ---

  ​
  # 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： 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))
  # ⼤多数时候，我们使⽤匿名函数(lambdas)
  # 来配合map, 所以我在上⾯也是这么做的。
  # 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))
  # 译者注：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
  # Output: # [0, 0] # [1, 2] # [4, 4] # [9, 6] # [16, 8]
  
  ​

   

• Filter

  ---

  # Filter
  # 顾名思义，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.这⾥是⼀个简短的例⼦： 
  
  number_list = range(-5, 5)
  less_than_zero = filter(lambda x: x < 0, number_list)
  print(list(
      less_than_zero))  
  
  # 在python2中filter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 
  # Output: [-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。 
  # 注意：如果map和filter对你来说看起来并不优雅的话，
  # 那么你可以看看另外⼀章：列 表/字典/元组推导式。 

   

• Reduce

  ---

  # 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] )  
  # Output: 24