Python reduce / map / filter 函数区别 – Python零基础入门教程
目录
- 一.map 函数
- 二.reduce 函数
- 三.filter 函数
- 四.猜你喜欢
零基础 Python 学习路线推荐 : Python 学习目录 >> Python 基础入门
Python 中 reduce / map / filter 三个函数很容易搞混淆,虽然利用函数对迭代器或者序列中的元素操作,但是适用的场景却各不相同;
一.map 函数
map 函数特点:对可迭代器或者序列中的每个元素进行相同的操作(例如每个元素+1 等等),并返回迭代器或者列表,示例如下:
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python reduce / map / filter 函数区别.py
@Time:2021/05/18 07:37
@Motto:不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
"""
def func1(x):
# 将每一个元素计算平方值
print("x=%d x*x=%d"%(x,x*x))
return x*x
if __name__ == "__main__":
list1 = [1,2,3,4,5]
#方法一:
value = map(func1,list1) #返回map对象,可以强制转为list列表
print(list(value))
print("***"*20)
#方法二:
value = map(lambda x:x*x, list1) #返回map对象,可以强制转为list列表
print(list(value))
"""
输出结果:
x=1 x*x=1
x=2 x*x=4
x=3 x*x=9
x=4 x*x=16
x=5 x*x=25
[1, 4, 9, 16, 25]
************************************************************
[1, 4, 9, 16, 25]
"""
值得注意的是:map 函数返回值是迭代器,注意返回的结果只能迭代一次,如果需要多次使用请提前保存结果并处理,例如:
def func1(x):
# 将每一个元素计算平方值
# print("x=%d x*x=%d"%(x,x*x))
return x*x
if __name__ == "__main__":
list1 = [1,2,3,4,5]
value = map(func1,list1) #返回map对象,可以强制转为list列表
print(list(value))
print(list(value))
"""
输出:
[1, 4, 9, 16, 25]
[]
"""
很懵逼是不是?明明没什么错误,为什么第二次输出就是空列表呢?因为 map 函数返回的迭代器只能迭代一次,解决办法:在获取结果的时候强转为 list 列表 即可,实例如下:
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python reduce / map / filter 函数区别.py
@Time:2021/05/18 07:37
@Motto:不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
"""
def func1(x):
# 将每一个元素计算平方值
# print("x=%d x*x=%d"%(x,x*x))
return x*x
if __name__ == "__main__":
list1 = [1,2,3,4,5]
value = list(map(func1,list1)) #返回map对象,可以强制转为list列表
print(list(value))
print(list(value))
"""
输出:
[1, 4, 9, 16, 25]
[1, 4, 9, 16, 25]
"""
二.reduce 函数
reduce 函数特点:从左到右对一个序列的项累计地应用有两个参数的函数,以此合并序列到一个单一值(例如累加或累乘列表元素等等),返回最终的计算结果,是一个值,示例如下:
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python reduce / map / filter 函数区别.py
@Time:2021/05/18 07:37
@Motto:不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
"""
#python3在使用reduce函数时需要导入模块
from functools import reduce # 导入模块
def func1(x,y):
# 把上一次计算的结果作为下一次的计算的输入
print("x=%d y=%d x*y=%d"%(x,y,x*y))
return x*y
if __name__ == "__main__":
list1 = [1,2,3,4,5]
#方法一:
value = reduce(func1,list1) #等价 1*2*3*4*5 = 120
print(value)
print(type(value))
print("***"*20)
#方法二:
value = reduce(lambda x,y:x*y, list1) # 等价 1*2*3*4*5 = 120
print(value)
print(type(value))
"""
输出结果:
x=1 y=2 x*y=2
x=2 y=3 x*y=6
x=6 y=4 x*y=24
x=24 y=5 x*y=120
120
<class "int">
************************************************************
120
<class "int">
"""
三.filter 函数
filter 函数特点:对可迭代对象中的元素按照特定的条件进行筛选(例如筛选列表中所有的偶数等等),示例如下:
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:猿说编程
@Blog(个人博客地址): www.codersrc.com
@File:Python reduce / map / filter 函数区别.py
@Time:2021/05/18 07:37
@Motto:不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
"""
lis=[0,1,2,3,4,5,6]
#定义筛选偶数的普通函数
def func4(x):
return x%2==0
#第一种使用filter函数的方式---lambda
res5=filter(lambda x:x%2==0,lis)
print(list(res5))
print(list(res5))
print("***"*20)
#第二种使用filter函数的方式---普通函数二
res7=filter(func4,lis)
print(list(res7))
print(list(res7))
"""
输出结果:
[0, 2, 4, 6]
[]
************************************************************
[0, 2, 4, 6]
[]
"""
懵逼?事实证明,filter 函数返回的结果也和 map 函数一样,只能迭代一次,解决方案和 map 的解决方案一样,在获取结果的时候强转为** list 列表** 即可;
四.猜你喜欢
- Python 条件推导式
- Python 列表推导式
- Python 字典推导式
- Python 不定长参数 *argc/**kargcs
- Python 匿名函数 lambda
- Python return 逻辑判断表达式
- Python is 和 == 区别
- Python 可变数据类型和不可变数据类型
- Python 浅拷贝和深拷贝
- Python 异常处理
- Python 线程创建和传参
- Python 线程互斥锁 Lock
- Python 线程时间 Event
- Python 线程条件变量 Condition
- Python 线程定时器 Timer
- Python 线程信号量 Semaphore
- Python 线程障碍对象 Barrier
- Python 线程队列 Queue – FIFO
- Python 线程队列 LifoQueue – LIFO
- Python 线程优先队列 PriorityQueue
- Python 线程池 ThreadPoolExecutor(一)
- Python 线程池 ThreadPoolExecutor(二)
- Python 进程 Process 模块
- Python 进程 Process 与线程 threading 区别
- Python 进程间通信 Queue / Pipe
- Python 进程池 multiprocessing.Pool
- Python GIL 锁
未经允许不得转载:猿说编程 » Python reduce / map / filter 函数区别
本文由博客 – 猿说编程 猿说编程 发布!