简洁的内置函数
大家好,我又回来了,今天我想和大家分享的是Python非常重要的几个内置函数:map,filter,reduce, zip。
它们都是处理序列的便捷函数。这很大程度上归功于函数式编程的世界。我们可以利用它们把一些小函数应用于一个序列的所有元素。从而节省编写显式循环的时间。
另外,这些中的每一个都是纯函数,有返回值。因此我们可以容易地将函数的返回结果用表达式来表示。
好了,又到了大白话时间,为什么用它们,就是可以简化我们的代码,更简洁高效的执行一些需要用到循环迭代为主的任务,接下来让我们一个个来看
map()
函数构造
map()函数的主要作用是可以把一个方法依次执行在一个可迭代的序列上,比如List等,具体的信息如下:
基础语法:map(fun, iterable)
参数:fun是map传递给定可迭代序列的每个元素的函数。iterable是一个可以迭代的序列,序列中的每一个元素都可以执行fun
返回值:map object
好了,大白话就是利用map我们可以把一个函数fun 执行到序列iter的每一个元素上,用例子非常好理解~
基础用法:
下面先让我们看一个小例子,假设现在我们有一个List,包含1~5五个数字,我们想要让每一个数+1,如果不知道map这个函数之前,我们的解决方案是这样的:
numbers = [1, 2, 3, 4, 5]
for i in range(0,len(numbers)): #对每个元素加1
numbers[i]+=1
print(numbers)
Out:[2, 3, 4, 5, 6]
或者是这样的:
numbers = [1, 2, 3, 4, 5]
result = []
for n in numbers:
result.append(n+1)
print(result)
Out:[2, 3, 4, 5, 6]
但是显然,无论怎么做都会涉及到写循环,这里就是map函数的用武之地了,我们可以用map函数这样实现:
def add_one(n):
return n + 1
numbers = [1, 2, 3, 4, 5]
result = map(add_one, numbers)
print(result)
print(type(result))
print(list(result))
Out:
[2, 3, 4, 5, 6]
这里想必聪明的你发现了map的好处,在优化精简代码的同时,某种程度上讲实现了方法和循环部分的分离,这里我们可以发现map返回就是map类,我们这里传递的序列是List,最后输出时经过类型转换也是list
在传递序列时只要这个序列是可迭代的就好,不一定非要List,比如我们换一种:
def add_one(n):
return n + 1
numbers = (1, 2, 3, 4, 5) #序列为元组
result = map(add_one, numbers)
print(tuple(result)) #
Out:(2, 3, 4, 5, 6)
输入的序列为同样可以迭代的元组,输出时我们也选择元组,效果一样的。
更进一步
还用刚才的例子,为了更加简洁,我们可以用lambda函数配合map使用,具体实现如下:
numbers = (1, 2, 3, 4, 5) # 迭代对象为tuple
result = map(lambda x: x + 1, numbers)
print(list(result)) # 输出对象为list
Out:[2, 3, 4, 5, 6]
更加简洁优雅了对吧!!这个lambad函数我之后会说,今天它不是主角哈哈,先一带而过。
让我们重新把目光转移到map上来,除了刚才的用法,还要一种情况也十分常见,让我们看下面的例子:
# List of strings
words = ['paris', 'xiaobai','love']
# 把数组中每个元素变为List
test = list(map(list, words))
print(test)
Out: [['p', 'a', 'r', 'i', 's'], ['x', 'i', 'a', 'o', 'b', 'a', 'i'], ['l', 'o', 'v', 'e']]
words是一个只包含字符串类型元素的list,我们用map可以实现将words的每一个元素全部转化为list类型,这里有一点一定要注意,能实现的前提一定是每个元素都是可以迭代的类型,如果出现了如int类型的元素,就会出错啦:
# List of strings
words = [18,'paris', 'xiaobai','love']
# 把数组中每个元素变为List
test = list(map(list, words))
print(test)
Out:TypeError: 'int' object is not iterable
大家一看错误类型相比立刻就明白啦,所以正确的使用方法一定是类似这种:
nums = [3,"23",-2]
print(list(map(float,nums)))
Out: [3.0, 23.0, -2.0]
总之就是类型要注意,今天我就抛砖引玉简单介绍一下map,具体的用法大家可以自行开发哈,我也在不断学习中
filter()
函数构造
filter()方法借助于一个函数来过滤给定的序列,该函数测试序列中的每个元素是否为真。
基础语法:filter(fun, iterable)
参数:fun测试iterable序列中的每个元素执行结果是否为True,iterable为被过滤的可迭代序列
返回值:可迭代的序列,包含元素对于fun的执行结果都为True
简而言之就是filter可以帮助我们根据给出的条件过滤一组数据并返回结果
基础用法:
让我们先看一个例子:
# 过滤元音的方法
def fun(variable):
letters = ['a', 'e', 'i', 'o', 'u']
if (variable in letters):
return True
else:
return False
# 给定序列
sequence = ['I', 'l', 'o', 'v', 'e', 'p', 'y','t','h','o','n']
# 根据条件得出结果
filtered = list(filter(fun, sequence))
print(filtered)
Out:['o', 'e', 'o']
这里我们创建一个可以提取元音字母的方法fun,给定的可迭代序列为list,之后就可以用filter方法很容易的提取出结果啦,再看一个类似例子:
# 判断为正数
def positive(num):
if num>0:
return True
else:
return False
#判断偶数
def even(num):
if num % 2==0:
return True
else:
return False
numbers=[1,-3,5,-20,0,9,12]
positive_nums = list(filter(positive, numbers))
print(positive_nums) # 输出正数 list
even_nums = tuple(filter(even,numbers))
print(even_nums) #输出偶数 tuple
Out:[1, 5, 9, 12]
(-20, 0, 12)
看到这里相比大家已经知道filter的基础用法啦, 要先有一个,能返回True或者False的方法,或者表达式作为过滤条件就行啦
更进一步
这里其实和map一样了,基本上最简洁的用法都是和lambda混在一起,比如下面我们想要把刚才的一大串代码压缩一下:
numbers = [0, 1, 2, -3, 5, -8, 13]
# 提取奇数
result = filter(lambda x: x % 2, numbers)
print("Odd Numbers are :",list(result))
# 提取偶数
result = filter(lambda x: x % 2 == 0, numbers)
print("Even Numbers are :",list(result))
#提取正数
result = filter(lambda x: x>0, numbers)
print("Positive Numbers are :",list(result))
Out:Odd Numbers are : [1, -3, 5, 13]
Even Numbers are : [0, 2, -8]
Positive Numbers are : [1, 2, 5, 13]
" 爽啊!爽死了!" 郭德纲看到后这么评价,lambda我平时用的不多,但是写到这里,我也觉得要好好学习它了,毕竟和其他编程语言相比,可能这中用法才是python提倡的理念之一:高效简洁,
reduce()
函数构造
Reduce是一个非常有用的函数,用于在列表上执行某些计算并返回结果。它将滚动计算应用于列表中的连续值。例如,如果要计算整数列表的累积乘,或者求和等等
基础语法:reduce(function, iterable)
参数:fun是连续作用于iterable每一个元素的方法,新的参数为上一次执行的结果,iterable为被过滤的可迭代序列
返回值:最终的function返回结果
在Python 2中,reduce()是一个内置函数。但是,在Python 3中,它被移动到functools模块。因此,要使用前我们需要导入,这里我的环境是Python 3.6
基础用法:
先看一个求累加和的小栗子:
from functools import reduce # Python 3
def do_sum(x1, x2):
return x1 + x2
print(reduce(do_sum, [1, 2, 3, 4]))
Out:10
再看一个累积乘法的例子:
from functools import reduce # Python 3
def multiply(x, y):
return x*y
numbers = [1,2,3,4]
print(reduce(multiply, numbers))
Out:24
更进一步:
还是和lambda混搭,更加简洁:
from functools import reduce # Python 3
numbers = [1,2,3,4]
result_multiply = reduce((lambda x, y: x * y), numbers)
result_add = reduce((lambda x,y: x+y), numbers)
print(result_multiply)
print(result_add)
Out:24
10
zip()
函数构造
zip()的目的是映射多个容器的相似索引,以便它们可以仅作为单个实体使用。
基础语法:zip(*iterators)
参数:iterators为可迭代的对象,例如list,string
返回值:返回单个迭代器对象,具有来自所有容器的映射值
基础用法:
其实之前我们在讲dict的创建方法时提到过它,这里从新回顾一下:
keys = ['name','age']
values = ['xiaobai',18]
my_dict = dict(zip(keys,values))
print(my_dict)
Out:{'name': 'xiaobai', 'age': 18}
zip可以支持多个对象,比如下面的例子
name = [ "xiaobai", "john", "mike", "alpha" ]
age = [ 4, 1, 3, 2 ]
marks = [ 40, 50, 60, 70 ]
# using zip() to map values
mapped = list(zip(name, age, marks))
print ("The zipped result is : "mapped)
Out:The zipped result is : [('xiaobai', 4, 40), ('john', 1, 50), ('mike', 3, 60), ('alpha', 2, 70)]
这里我们可以很容易的的把name,age,marks这三个list里面相同index的值映射打包在一起
更进一步:
通过上面的例子,我们发现可以很容易的以类似1对1的形式把不同对象的同一索引位置的值打包起来,那如果是解包呢?也是类似的,就是多了一个 * 而已
names, ages, marks = zip(*mapped)
print ("The name list is : ",names)
print ("The age list is : ",ages)
print ("The marks list is : ",marks)
Out: The name list is : ('xiaobai', 'john', 'mike', 'alpha')
The age list is : (4, 1, 3, 2)
The marks list is : (40, 50, 60, 70)
总结
今天主要为大家介绍了map,filter,reduce,zip四个高效的python内置函数的用法,我也是刚刚接触,了解不够深入,如果介绍的有错误或者歧义还请大家多多谅解和包容,如果有大神可以进一步补充说明一定要写个评论呀,让我们一起进步。
最后为大家讲个悲伤的故事: