Python reduce()函数的用法示例代码
Python reduce()函数的用法
reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似,一个函数 f,一个list,但行为和 map()不同,reduce()传入的函数 f 必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。
reduce()函数会对参数序列中的元素进行累积
语法结构
reduce(function, iterable[, initializer])
参数说明
- function: 函数,有两个参数
- iterable: 可迭代对象
- initializer: 初始参数(可选)
返回值
返回函数计算结果
综上所述,reduce()函数将一个数据集合中的所有数据进行下列操作,先从数据集合中取出2个元素执行指定函数function,并将输出结果与第3个元素传入function函数,输出结果再与第4个元素传入function函数进行计算,以此类推,直到列表每个元素都取完进行累积,最终返回计算结果
提示Tips
在python3中,内置函数中已经没有reduce()函数了,它现在被放置在functools模块里,如果想要使用它,则需要通过引入functools模块来调用reduce()函数
from functools import reduce
示例1
from functools import reduce # 两数相加 def add(x,y): return x + y # 计算1 + 2 + 3 + ... + 100的和 sum1 = reduce(add, range(1, 101)) print(sum1) # 5050 # 计算列表和:1+2+3+4+5 # 使用lambda匿名函数+reduce()函数 sum2 = reduce(lambda x, y: x+y, [1,2,3,4,5]) print(sum2) # 15 sum3 = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 6) # 21 = 6 + 1 + 2 + 3 + 4 + 5 print(sum3) # 21
示例2
from functools import reduce lst = [1,2,3,4,5] # 120 = 1 * 2 * 3 * 4 * 5 print(reduce(lambda x,y:x*y,lst)) # 120
示例3
from functools import reduce str1="abcdefg" # gfedcba print(reduce(lambda x,y:y+x, str1))
示例4
from functools import reduce sentences = ['Hello World!! hello Andy'] # 统计字符串'Hello'出现的次数 word_count =reduce(lambda a,x:a+x.count("Hello"), sentences, 0) print(word_count) # 1
【Python基础】reduce函数详解
reduce
函数原本在python2
中也是个内置函数,不过在python3
中被移到functools
模块中。
reduce
函数先从列表(或序列)中取出2
个元素执行指定函数,并将输出结果与第3
个元素传入函数,输出结果再与第4
个元素传入函数,…,以此类推,直到列表每个元素都取完。
1 reduce用法
对列表元素求和,如果不用reduce
,我们一般常用的方法是for
循环:
def sum_func(arr): if len(arr) <= 0: return 0 else: out = arr[0] for v in arr[1:]: out += v return out a = [1, 2, 3, 4, 5] print(sum_func(a))
可以看到,代码量比较多,不够优雅。如果使用reduce
,那么代码将非常简洁:
from functools import reduce a = [1, 2, 3, 4, 5] def add(x, y): return x + y print(reduce(add, a))
输出结果为:
15
2 reduce与for循环性能对比
与内置函数map
和filter
不一样的是,在性能方面,reduce
相比较for
循环来说没有优势,甚至在实际测试中
reduce
比for
循环更慢。
from functools import reduce import time def test_for(arr): if len(arr) <= 0: return 0 out = arr[0] for i in arr[1:]: out += i return out def test_reduce(arr): out = reduce(lambda x, y: x + y, arr) return out a = [i for i in range(100000)] t1 = time.perf_counter() test_for(a) t2 = time.perf_counter() test_reduce(a) t3 = time.perf_counter() print('for循环耗时:', (t2 - t1)) print('reduce耗时:', (t3 - t2))
输出结果如下:
for循环耗时: 0.009323899999999996
reduce耗时: 0.018477400000000005
因此,如果对性能要求苛刻,建议不用reduce
, 如果希望代码更优雅而不在意耗时,可以用reduce
。
到此这篇关于Python reduce()函数的用法的文章就介绍到这了,更多相关Python reduce()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
详解使用python绘制混淆矩阵(confusion_matrix)
这篇文章主要介绍了详解使用python绘制混淆矩阵(confusion_matrix),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2019-07-07
最新评论