Python进阶篇——lambda、map、filter、reduce高级函数的使用

OK，我们今天来简单讲一下Python中的几个高级函数，为什么说这是高级函数呢？因为它可以极大的减少我们的代码量，让我们的代码看起来更加的清爽，提高我们的开发速度；

 

用lambda创建匿名函数

在理解匿名函数之前，我们先来回顾下我们之前创建函数是怎么创建的：

def 函数名(参数1,参数2[,……]):
    函数主体
    return 返回值

标标准准的函数构建方法，但是有一个问题，当我们创建的函数只需要计算两个数相加之和时，我们最少也要写两行代码：

def sum_n(x,y):
    return x+y

而用lambda创建则只需要一行代码就可以搞定：

sum_n = lambda x,y:x+y

这个就是lambda的魅力所在，使用也是非常的简单，接下来我们就来讲解一下它的使用方法和优缺点：

lambda 参数列表:参数表达式

1. 匿名函数，肯定是没有名字的，我们可以将它赋给一个对象，然后通过这个对象就可以实现函数功能

   sum_n = lambda x,y:x+y
   
   print(sum_n(1,2))
   
   # 输出结果：
   # 3

2. 通过上面我们可以知道，lambda其主体就是一个表达式，既然可以赋给一个对象，那么我们可不可以赋给列表，当列表元素呢？

   func = [lambda x,y:x+y,lambda x,y:x-y,lambda x,y:x*y,lambda x,y:x/y]
   
   for fun in func:
       print(fun(1,2))
   
   # 输出结果：
   # 3
   # -1
   # 2
   # 0.5

3. 同样的道理，我们应该可以将其赋给另一个函数

   sum_n = lambda x,y:x+y
   
   def sum_m(func,x,y,n):
       return func(x,y)-n
   
   print(sum_m(sum_n,1,2,6))
   
   # 输出结果：
   # -3

4. 有一个邪恶的想法，如果我将lambda函数赋值给其他函数，那么会发生什么呢？

   print = lambda x:None
   
   print('test')
   
   # 输出结果：
   # 什么都没发生

   那么这就有了一个引申用法，我是否可以通过它来屏蔽某些函数功能；

那么，有优点就肯定有缺点，我们一一说一下：

1. 主体是表达式，那么函数功能就不会非常复杂，只能够实现简单的功能；
2. 在lambda中，是不支持异常处理的，那么当处理异常时，程序就会崩溃：

   sum_n = lambda x,y:x+y
   
   sum_n(1,'a')
   
   # 输出结果：
   # TypeError: unsupported operand type(s) for +: 'int' and 'str'

 

用map函数做函数功能的序列映射

这是什么意思呢？我们下面来举个栗子说明：

a = [1,2,3,4,5]
b = [3,5,6,2,7]
n = []

for i in range(5):
    n.append(a[i]+b[i])

print(n)

# 输出结果：
# [4, 7, 9, 6, 12]

我们正常来讲，想要将两个列表元素依次相加，需要这么几行代码，但是用map函数就方便啦：

def sum_n(x,y):
    return x+y

print(list(map(sum_n,[1,2,3,4,5],[3,5,6,2,7])))

# 输出结果：
# [4, 7, 9, 6, 12]

额，好像没有啥差别呀，不就是没用变量传参了嘛；不要着急，还记得lambda嘛，实现一行解决问题：

print(list(map(lambda x,y:x+y,[1,2,3,4,5],[3,5,6,2,7])))

# 输出结果：
# [4, 7, 9, 6, 12]

是不是很神奇，OK，现在要敲黑板了，我们来总结一下：
        map函数可以根据我们指定的函数功能，将若干序元素依次进行处理，最后返回的也是一个序列集合；

那么现在都是序列元素个数对等的情况，如果元素个数不对等会怎么样呢？

print(list(map(lambda x,y:x+y,[1,2,3,4,5],[3,5,6])))

# 输出结果：
# [4, 7, 9]

我们可以发现，没有报错，只进行了前三个元素处理；那么，我们可以得出，当序列元素不对等时，不对等部分就不会进行处理。

 

用filter函数对序列进行过滤

这个函数功能从字面上应该就可以理解，它就相当于一个筛子，可以将不符合要求的序列元素过滤掉，然后返回一个新的序列；

a = [1,2,3,4,5,6,7,8,9]

print(list(filter(lambda x:x%2==1,a)))

# 输出结果：
# [1, 3, 5, 7, 9]

从上面栗子的结果可以看出，上面的功能就是筛选出序列中所有的奇数，接下来我们讲解下函数的参数：

filter(判断函数,源序列))

# 判断函数的返回值我们就可以理解成判断条件

下面我们再来举个栗子：

import math

print(list(filter(lambda x:math.sqrt(x)%1==0,range(1,100))))
# lambda x:math.sqrt(x)%1==0
# 这里的x就是判断值
# math.sqrt(x)%1==0 就是判断条件
# range(1,100) 就是要进行筛选的源序列

# 输出结果：
# [1, 4, 9, 16, 25, 36, 49, 64, 81]

 

用reduce函数累计处理序列元素

这个函数还是还是不好理解的，下面我来举个栗子：

from functools import reduce    # 在Python3中我们不能直接拿来使用，要从functools中导入使用

print(reduce(lambda x,y:x+y,range(1,101)))

# 输出结果：
# 5050

上面的栗子就是非常经典的累加，将1-100的数字依次相加，最后得出一个结果：

reduce(处理函数,[a,b,c,d,e])

# 首先对a和b用函数进行处理，得出结果b1
# 然后对b1和c用函数进行处理，得出c1
# 一次类推
# 最后对d1和e用函数进行处理，得出最后的结果

我们可以理解成滚雪球，不断根据规则进行迭代处理，到最后一个元素处理完毕得到最终结果。