[TOC]
1,map
Python 内建了 map()函数, map()函数接受两个参数, 一个是函数, 一个是 Iterable,map 将传入的函数依次作用到序列的每一个元素上, 并把结果作为新的 Iterator 返回.
举例说明, 比如我们有一个函数 f(x)=x*2, 要把这个函数作用在一个 list[1, 2, 3, 4, 5, 6, 7, 8, 9]上, 就可以用 map()实现.
- >>> def f(x):
- ... return x*2
- ...
- >>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
- >>> list(r)
- [2, 4, 6, 8, 10, 12, 14, 16, 18]
map()传入的第一个参数是 f, 即函数对象本身. 由于结果 r 是一个 Iterator,Iterator 是惰性序列, 因此通过 list()函数让它把整个序列都计算出来并返回一个 list.
你可能会想, 不需要 map()函数, 写一个循环, 也可以计算出结果:
- L = []
- for i in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
- L.append(f(i))
- print(L)
的确也可以, 但是, 从上面的循环代码, 能一眼看明白 "把 f(x)作用在 list 的每一个元素并把结果生成一个新的 list" 吗?
所以, map()作为高阶函数, 事实上它把运算规则抽象了, 因此, 我们不但可以计算简单的 f(x)=x*2, 还可以计算任意复杂的函数, 比如把这个 list 所有的数字转为字符串:
- >>> list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))
- ['1', '2', '3', '4', '5', '6', '7', '8', '9']
只需要一行代码就可以搞定.
2,reduce
再看 reduce 的用法. reduce 是把一个函数作用在一个序列 [x1, x2, x3......] 上, 这个函数必须接收两个参数, reduce 把结果继续和序列的下一个元素做累计计算. 简单来说, 就是先计算 x1 和 x2 的结果, 再拿结果与 x3 计算, 依次类推.
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1,x2), x3), x4)
比如说一个序列求和, 就可以用 reduce 实现.
- >>> from functools import reduce
- >>> def add(x, y):
- ... return x + y
- ...
- >>> reduce(add, [1, 3, 5, 7, 9])
- 25
当然求和运算可以直接使用 python 内建函数 sum(), 没必要动用 reduce.
但是如果要把序列 [1, 3, 5, 7, 9] 变换为整数 13579,reduce 就可以派上用场:
- >>> from functools import reduce
- >>> def fn(x, y):
- ... return x * 10 + y
- ...
- >>> reduce(fn, [1, 3, 5, 7, 9])
- 13579
这个例子本身没多大用处, 但是, 如果考虑到字符串 str 也是一个序列, 对上面的例子稍加改动, 配合 map, 我们就可以写出把 str 转换为 int 的函数:
- >>> from functools import reduce
- >>> def fn(x, y):
- ... return x * 10 + y
- ...
- >>> def char2num(s):
- ... digits = {
- '0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9
- }
- ... return digits[s]
- ...
- >>> reduce(fn, map(char2num, '13579'))
- 13579
整理成一个 str2int 的函数就是:
- from functools import reduce
- DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
- def str2int(s):
- def fn(x, y):
- return x * 10 + y
- def char2num(s):
- return DIGITS[s]
- return reduce(fn, map(char2num, s))
还可以用 lambda 函数进一步简化成:
- from functools import reduce
- DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
- def char2num(s):
- return DIGITS[s]
- def str2int(s):
- return reduce(lambda x, y: x * 10 + y, map(char2num, s))
也就是说, 假设 python 没有提供 int()函数, 你完全可以自己写一个把字符串转化为整数的函数, 而且只需要几行代码.
3,filter
python 内建的 filter()函数用于过滤序列.
和 map()类似, filter()也接收一个函数和一个序列. 和 map()不同的是, filter()把传入的函数依次作用于每一个元素, 然后根据返回值是 True 还是 False 决定保留还是丢弃该元素.
例如, 在一个 list 中, 删掉偶数, 只保留奇数, 可以这么写:
- def is_odd(n):
- return n % 2 == 1
- list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
- # 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉, 可以这么写:
- def not_empty(s):
- return s and s.strip()
- list(filter(not_empty, ['A', '','B', None,'C',' ']))
- # 结果: ['A', 'B', 'C']
可见用 filter()这个高阶函数, 关键在于正确实现一个筛选函数.
注意到 filter()函数返回的是一个 Iterator, 也就是一个惰性序列, 所有要强迫 filter()完成计算结果, 需要用 list()函数获得所有结果并返回 list.
4,sorted
排序也是在程序中经常用到的算法. 无论使用冒泡排序还是快速排序, 排序的核心是比较两个元素的大小. 如果是数字, 我们可以直接比较, 但如果是字符串或者两个 dict 呢? 直接比较数学上的大小是没有意义的, 因此, 比较的过程必须通过函数抽象出来.
Python 内置的 sorted()函数就可以对 list 进行排序:
- >>> sorted([36, 5, -12, 9, -21])
- [-21, -12, 5, 9, 36]
此外, sorted()函数也是一个高阶函数, 它还可以接收一个 key 函数来实现自定义的排序, 例如按绝对值大小排序:
- >>> sorted([36, 5, -12, 9, -21], key=abs)
- [5, 9, -12, -21, 36]
key 指定的函数将作用于 list 的每一个元素上, 并根据 key 函数返回的结果进行排序.
我们再看一个字符串排序的例子:
- >>> sorted(['bob', 'about', 'Zoo', 'Credit'])
- ['Credit', 'Zoo', 'about', 'bob']
默认情况下, 对字符串排序, 是按照 ASCII 的大小比较的, 由于'Z' <'a', 结果, 大写字母 Z 会排在小写字母 a 的前面.
现在, 我们提出排序应该忽略大小写, 按照字母序排序. 要实现这个算法, 不必对现有代码大加改动, 只要我们能用一个 key 函数把字符串映射为忽略大小写排序即可. 忽略大小写来比较两个字符串, 实际上就是先把字符串都变成大写(或者都变成小写), 再比较.
这样, 我们给 sorted 传入 key 函数, 即可实现忽略大小写的排序:
- >>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
- ['about', 'bob', 'Credit', 'Zoo']
要进行反向排序, 不必改动 key 函数, 可以传入第三个参数 reverse=True:
- >>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
- ['Zoo', 'Credit', 'bob', 'about']
5, 小结
高阶函数的抽象能力是非常强大的, 在代码中善于利用这些高阶函数, 可以使我们的代码变得简洁明了.
来源: https://www.cnblogs.com/luyuze95/p/11916955.html