Python 特殊函式解析(lambda 函式,map 函式,filter 函式,reduce 函式)
寫在之前
今天給大家介紹幾個比較特殊的函式,他們具有函數語言程式設計的特點,有人將它們視為 Python 可進行 「函數語言程式設計」 的見證,至於什麼是函數語言程式設計,不是本篇文章的重點,感興趣的可以去了解一下。老讀者可能都知道,我非常推崇 Python 的簡潔優雅,而今天的這幾個函式,有了它們,最大的好處就是可以讓程式更簡潔,當然,沒有它們程式也可以用其它方式實現。
lambda 函式
lambda 是一個可以只用一行就能解決問題的函式,讓我們先看下面的例子:
>>> def add(x): ... x += 1 ... returnx ... >>> numbers = range(5) >>> list(numbers) [0, 1, 2, 3, 4] >>> new_numbers = [] >>> for i in numbers: ... new_numbers.append(add(i)) ... >>> new_numbers [1, 2, 3, 4, 5]
在上面的這個例子中,函式 add() 充當了一箇中間角色,當然上面的例子也可以如下實現:
>>> new_numbers = [i+1 fori in numbers] >>> new_numbers [1, 2, 3, 4, 5]
首先我要說,上面的列表解析式其實是很好用的,但是我偏偏要用 lambda 這個函式代替 add(x)
:
>>> lamb = lambda x: x+1 >>> new_numbers = [] >>> for i in numbers: ... new_numbers.append(lamb(i)) ... >>> new_numbers [1, 2, 3, 4, 5]
在這裡的 lamb 就相當於 add(x) ,lamb = lambda x : x+1
就相當於 add(x) 裡的程式碼塊。下面再寫幾個應用 lambda 的小例子:
>>> lamb = lambda x,y : x + y >>> lamb(1,2) 3 >>> lamb1 = lambda x : x ** 2 >>> lamb1(5) 25
由上面的例子我們可以總結一下 lambda 函式的具體使用方法:lambda 後面直接跟變數,變臉後面是冒號,冒號後面是表示式,表示式的計算結果就是本函式的返回值。
在這裡有一點需要提醒的是,雖然 lambda 函式可以接收任意多的引數並且返回單個表示式的值,但是 lambda 函式不能包含命令且包含的表示式不能超過一個。如果你需要更多複雜的東西,你應該去定義一個函式。
lambda 作為一個只有一行的函式,在你具體的程式設計實踐中可以選擇使用,雖然在效能上沒什麼提升,但是看著舒服呀。
map 函式
我們在上面講 lambda 的時候用的例子,其實 map 也可以實現,請看下面的操作:>>> numbers = [0,1,2,3,4] >>> map(add,numbers) [1, 2, 3, 4, 5] >>> map(lambda x: x + 1,numbers) [1, 2, 3, 4, 5]
map 是 Python 的一個內建函式,它的基本格式是:map(func, seq)
。
func 是一個函式物件,seq 是一個序列物件,在執行的時候,seq 中的每個元素按照從左到右的順序依次被取出來,塞到 func 函式裡面,並將 func 的返回值依次存到一個列表裡。
對於 map 要主要理解以下幾個點就好了:
1.對可迭代的物件中的每一個元素,依次使用 fun 的方法(其實本質上就是一個 for 迴圈)。
2.將所有的結果返回一個 map 物件,這個物件是個迭代器。
我們接下來做一個簡單的小題目:將兩個列表中的對應項加起來,把結果返回在一個列表裡,我們用 map 來做,如果你做完了,請往下看:
>>> list1 = [1,2,3,4] >>> list2 = [5,6,7,8] >>> list(map(lambda x,y: x + y,list1,list2)) [6, 8, 10, 12]
你看上面,是不是很簡單?其實這個還看不出 map 的方便來,因為用 for 同樣也不麻煩,要是你有這樣的想法的話,那麼請看下面:
>>> list1 = [1,2,3,4] >>> list2 = [5,6,7,8] >>> list3 = [9,10,11,12] >>> list(map(lambda x,y,z : x + y + z,list1,list2,list3)) [15, 18, 21, 24]
你看三個呢?是不是用 for 的話就稍顯麻煩了?那麼我們在想如果是 四個,五個乃至更多呢?這就顯示出 map 的簡潔優雅了,並且map 在效能上的優勢也是槓槓的。
filter 函式
filter 翻譯過來的意思是 “過濾器”,在 Python 中,它也確實是起到的是過濾器的作用。這個解釋起來略微麻煩,還是直接上程式碼的好,在程式碼中體會用法是我在所有的文章裡一直在體現的:
>>> numbers = range(-4,4) >>> list(filter(lambda x: x > 0,numbers)) [1, 2, 3]
上面的例子其實和下面的程式碼是等價的:
>>> [x for x in numbers if x > 0] [1, 2, 3]
然後我們再來寫一個例子體會一下:
>>> list(filter(lambda x: x != 'o','Rocky0429')) ['R', 'c', 'k', 'y', '0', '4', '2', '9']
reduce 函式
我在之前的文章中很多次都說過,我的程式碼都是用 Python3 版本的。在 Python3 中,reduce 函式被放到 functools 模組裡,在 Python2 中還是在全域性名稱空間。
同樣我先用一個例子來跑一下,我們來看看怎麼用:
>>> reduce(lambda x,y: x+y,[1,2,3,4]) 10
reduce 函式的第一個引數是一個函式,第二個引數是序列型別的物件,將函式按照從左到右的順序作用在序列上。如果你還不理解的話,我們下面可以對比一下它和 map 的區別:
>>> list1 = [1,2,3,4] >>> list2 = [5,6,7,8] >>> list(map(lambda x,y: x + y,list1,list2)) [6, 8, 10, 12]
對比上面的兩個例子,就知道兩者的區別,map 相當於是上下運算的,而 reduce 是從左到右逐個元素進行運算。