python内置函数map/filter/reduce详解
在Python中,map(), filter(), 和 reduce() 是内置的高级函数(实际是class),用于处理可迭代对象(如列表、元组等)的元素。这些函数通常与lambda函数一起使用,以简洁地表达常见的操作。下面我将分别解释这三个函数。
1. map()函数
map() 函数将一个函数应用于一个或多个可迭代对象的每个元素,并返回一个迭代器,该迭代器包含函数应用于每个元素的结果。
以下是builtins.map的源码:__init__()函数可以看出需要传入一个函数func和至少一个可迭代对象。
map(function, iterable, ...)
- function:接收一个或多个参数的函数。
- iterable:一个或多个可迭代对象,如列表、元组、字符串等。
注意事项:
- map() 函数返回的是一个迭代器,如果你需要一个列表或其他可迭代对象,你需要使用 list() 或其他相应的函数来转换它。
- 当使用 map() 函数时,请确保传递给它的函数能够正确地处理可迭代对象的元素。如果函数引发异常,则 map() 将停止迭代。
示例
传入一个可迭代对象
#通过map函数 返回经过平方计算后的结果 value1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) #之前文章讲过使用list(),将可迭代对象转为列表 print(list(value1)) #结果 [1, 4, 9, 16, 25]
传入多个可迭代对象
#通过map函数 返回两个可迭代对象中每个对应位置元素的乘积平方 value2 = map(lambda x,y: x*y, [1, 2, 3, 4, 5],(2,4,6,8,10)) #之前文章讲过使用list(),将可迭代对象转为列表 print(list(value2)) #结果 [2, 8, 18, 32, 50]
但是注意传入的元素个数与lambda需要的参数个数要一致,否则会报错
比如上面的例子我们只传入一个迭代对象,程序执行后会报错
value2 = map(lambda x,y: x*y, [1, 2, 3, 4, 5]) print(list(value2)) #结果报错 TypeError: <lambda>() missing 1 required positional argument: 'y'
2. filter()
filter() 函数使用一个函数作为条件,并返回一个迭代器,该迭代器包含所有使该函数返回True的可迭代对象的元素。
以下是builtins.filter的源码:__init__()函数可以看出需要传入一个函数func和一个可迭代对象。
filter(function, iterable)
- function:一个函数,它接受一个参数并返回一个布尔值。
- iterable:一个可迭代对象,如列表、元组、字符串等。
示例
传入一个可迭代对象,使用lambda函数获取被2整除的数
numbers = [10, 3, 9, 8, 6] filternumbers = filter(lambda x: x % 2 == 0, numbers) print(list(filternumbers)) #结果 [10, 8, 6]
3. reduce()
reduce() 函数将一个二元操作符(或函数)连续地应用于一个可迭代对象的元素,从而将其减少为单个值。python3的版本reduce() 函数在Python的functools 模块中,使用时需要先导入。
reduce(function, sequence, initial=_initial_missing)
- function:该函数接受两个参数并返回一个值。
- sequence:一个可迭代对象,如列表、元组等。
- initial(可选):传入该值表示操作的初始值。如果保持默认值,则使用可迭代对象的第一个元素作为初始值。
示例
1) 将可迭代对象的值相加
from functools import reduce numbers = [1, 2, 3, 4, 5] sumnumbers = reduce(lambda x, y: x + y, numbers) print(sumnumbers) # 输出: 15
当然像上面这种简单的例子,用sum(numbers)函数更简单。
2) 传入1个初始值作为第1个元素
from functools import reduce numbers = [1, 2, 3, 4, 5] sumnumbers = reduce(lambda x, y: x + y, numbers,6) print(sumnumbers) # 输出: 21
到此这篇关于python内置函数map/filter/reduce详解的文章就介绍到这了,更多相关python内置函数map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
PyTorch高级教程之自定义模型、数据加载及设备间数据移动
在深入理解了PyTorch的核心组件之后,我们将进一步学习一些高级主题,包括如何自定义模型、加载自定义数据集,以及如何在设备(例如CPU和GPU)之间移动数据,需要的朋友可以参考下2023-07-07matplotlib.subplot()画子图并共享y坐标轴的方法
Matplotlib的可以把很多张图画到一个显示界面,本文主要介绍matplotlib.subplot()画子图并共享y坐标轴的方法,需要的朋友们下面随着小编来一起学习学习吧2021-05-05
最新评论