python map函数，filter,reduce

在序列中映射函数:map

程序对列表和其他序列常常要做的一件事就是对每一个元素进行一个操作并把其结果合起来。

counters = [1,2,3,4]  #list
updated = []
for x in counters:
    updated.append(x+10)
print(updated)

输出：

python实际上提供了一个内置的工具，为你做了大部分的工作。map函数会对一个序列对象中的每一个元素应用被传入的函数，并且返回一个包含了所有函数调用结果的一个列表。

counters = [1,2,3,4]  #list
def inc(x):
    return x+10
updated1 = map(inc,counters)
print(updated1)

输出：

def inc(x): return  x+10
counters=[1, 2, 3, 4]
print(list(map(inc, counters)))

由于map期待传入一个函数，它恰好是lamada通常出现的地方之一：

counters=[1, 2, 3, 4]
print(list(map((lambda x: x+3),counters)))

这里，函数将会为counters列表中的每一个元素加3.因为这个函数不会在其他的地方用到，所以将它写成了一行的lamada。因为这样使用map与for循环时等效的，我们能够编写自己的一般的映射工具。

def inc(x): return x+10
def mymap(func, seq):
    res=[]
    for x in seq: res.append(func(x))
    return res
print(list(map(inc, [1,2,3])))
print(list(mymap(inc, [1, 2, 3])))

map提供了多个序列作为参数，它能够并行返回分别以每个序列中的元素作为函数对应参数得到的结果的列表。

print(pow(3, 4))
print(list(map(pow, [1, 2 , 3], [2, 3, 4])))

对于多个序列，map期待一个N参数的函数用于N序列。这里，pow函数在每次调用中都使用了两个参数：每个传入map的序列中都取一个。

函数式编程工具：filter和reduce

在python内置函数中，map函数是用来进行函数式编程的这类工具中最简单的内置函数代表：函数式编程的意思就是对序列应用一些函数的工具。例如，基于某一测试函数过滤出一些元素（filter），以及对每对元素都应用函数并运行到最后结果（reduce）。由于range和filter都返回可迭代对象，在Python3.0中，它们需要用list调用来显示其所有结果。

例如，下面这个filter的调用实现了从一个序列中挑选出大于0的元素。

print(list(range(-5, 5)))
print(list(filter((lambda x: x>0), range(-5, 5))))

序列中的元素若其返回值为真的话，将会被键入到结果的列表中。就像map，这个函数也能够概括地用一个for循环来等效，但是它也是内置的，运行比较快。

res=[]
for x in range(-5, 5):
    if x>0:
        res.append(x)
print(res)

print(reduce((lambda x, y: x+y), [1, 2, 3, 4]))
print(reduce((lambda x, y : x*y), [1, 2, 3, 4]))

每一步，reduce传递了当前的和或乘积以及列表中下一个的元素，传给列出的lamada函数。默认，序列中的第一个元素初始化了起始值。这里是一个对第一个调用的for循环的等效，在循环中使用了额外的代码。

L=[1, 2, 3, 4]
res=L[0]
for x in L[1:]:
    res=res+x
print(res)

编写自己的reduce版本实际上相当直接。

def myreduce(function, sequence):
    tally=sequence[0]
    for next in sequence[1:]:
        tally=function(tally, next)
    return tally
print(myreduce((lambda x, y: x+y),[1, 2, 3, 4, 5]))
print(myreduce((lambda x, y:x*y), [1, 2, 3, 4, 5]))