Python3的高阶函数map,reduce,filter的示例详解

作者:望月明 时间:2024-01-02 21:16:19 

函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数。

注意其中:map和filter返回一个惰性序列,可迭代对象,需要转化为list


>>> a = 3.1415
>>> round(a,2)
3.14
>>> a_round = round
>>> a_round(a,2)
3.14
>>> def func_devide(x, y, f):
 return f(x) - f(y)
#传递参数为函数
print(func_devide(9.3, 3.2, round))

1. map函数

map()函数接收两个参数,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个元素,并把结果作为新的Iterator返回。


>>> print(list(map(str, [1, 2, 3])))
['1', '2', '3']
>>> dt = map(str,[-1,2,3,4,5,-34,-45,-23.454])
>>> dt
<map object at 0x10f431dd8>
>>> list(dt)
['-1', '2', '3', '4', '5', '-34', '-45', '-23.454']
>>> dt = map(abs,[-1,2,3,4,5,-34,-45,-23.454])
>>> list(dt)
[1, 2, 3, 4, 5, 34, 45, 23.454]

注意报错:TypeError: 'map' object is not callable

一般出现的原因是迭代对象(str,abs等)或者函数(map)被修改,不再是原来的函数,导致出现不可迭代对象

2. reduce函数

reduce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积计算。返回的是一个计算的最终结果,函数接收两个参数:


def add(x,y):
...   return x + y
...
>>> reduce(add,[1,2,3,4,5,6,7,8,9,10])
55
>>> def concate(x,y):
...   return str(x)+str(y)
...
>>> reduce(concate,[1,2,3,4,5,6,7,8,9,0])
'1234567890'

reduce和map函数结合做字符串转整型(或者整型转字符串)


>>> str = '12121212132323'
>>> dic_str_int = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
>>> def str_arr(x):
...   dic_str_int = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
...   return dic_str_int[x]
...
>>> def int_dum(x,y):
...   return 10*x + y
...
>>> reduce(int_dum,map(str_arr,str))
12121212132323

示例,转换列表内数据为大写,首字母大写


>>> names = ['jack','john','wilianmon','jobs','bill','gates']
>>> def str_upper(string):
...   return string.upper()
...
>>> names = map(str_upper,names)
>>> list(names)
['JACK', 'JOHN', 'WILIANMON', 'JOBS', 'BILL', 'GATES']
>>> def str_capitialize(string):
...   return string.capitalize()
...
>>> names = ['jack','john','wilianmon','jobs','bill','gates']
>>>
>>> names = map(str_capitialize,names)
>>> list(names)
['Jack', 'John', 'Wilianmon', 'Jobs', 'Bill', 'Gates']

列表内参数求所有元素乘积:


int_li = [2,3,5,10]
>>> reduce(lambda x, y: x*y,int_li)
300
>>> def func_mult(li=None):
...   return reduce(lambda x, y: x*y,li)
...
>>> func_mult(int_li)
300

上面的可以根据需要转成函数,更方便调用

'123.456'转成整数123.456

方法一:截断之后拼接


def string_int(strs):
 str_li = strs.split('.')
 def str_int(str):
   dic_str_int = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
   return dic_str_int[str]
 int_1 = reduce(lambda x, y: x*10+y, list( map(str_int,str_li[0])))
 int_2 = reduce(lambda x,y: x*10 + y,list(map(str_int,str_li[1])))
 return int_1 + int_2/(10**(len(str_li)+1))

res = string_int('123.456')
print(res)
#结果:123.456

方法二: 转成纯数字字符串


def string_int1(strs):
 # 记住位置,替换
 point_len = len(strs) - strs.find('.')-1
 str_li = strs.replace('.', '')
 def str_int(str):
   dic_str_int = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
   return dic_str_int[str]
 int_num = reduce(lambda x,y: x*10 + y,list(map(str_int,str_li)))
 return int_num/(10**(point_len))

res = string_int1('123.456')
print(res)
#结果:123.456

3. filter函数

filter()也接收一个函数和一个序列。从一个序列中筛出符合条件的元素。和map()不同的是,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。

注意:和map函数的区别

函数名区别
map作用于每个可迭代对象的元素,并返回处理之后的元素
filter作用于可迭代内每个元素,根据计算后结果:True保留,Flase去掉

eg: 获取列表内所有的整数类型元素


def only_int(x):
 try:
   if isinstance(x, int):
     return True
   else:
     return False
 except ValueError as e:
   return False
dt = filter(type_int,[1,2,3,3,'3232',-34.5,34.5])
>>> list(dt)
[1, 2, 3, 3]

总结

以上所述是小编给大家介绍的Python3的高阶函数map,reduce,filter的示例详解,网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

来源:https://segmentfault.com/a/1190000019837255

标签:python,高阶函数,map,reduce,filter
0
投稿

猜你喜欢

  • Oracle 函数大全

    2024-01-16 06:13:24
  • Go方法接收者值接收者与指针接收者详解

    2024-02-17 04:30:45
  • 基于JavaScript实现鼠标向下滑动加载div的代码

    2023-08-11 16:19:22
  • Goland 2020或2019软件版本去掉a...或fmt...提示的方法

    2024-04-25 15:06:44
  • python并发编程多进程之守护进程原理解析

    2023-09-13 14:07:42
  • Java连接Sql数据库经常用到的操作

    2024-01-17 09:26:28
  • python检测文件夹变化,并拷贝有更新的文件到对应目录的方法

    2023-11-07 12:56:06
  • Jupyter notebook中5个有趣的魔法命令分享

    2021-11-28 23:26:30
  • Python PyQt5实战项目之网速监控器的实现

    2023-05-25 12:57:07
  • 基于Keras的格式化输出Loss实现方式

    2021-10-20 20:44:00
  • Python利用treap实现双索引的方法

    2022-02-28 15:59:44
  • python中函数总结之装饰器闭包详解

    2023-06-27 02:55:04
  • 基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

    2023-04-09 17:28:45
  • python中图像通道分离与合并实例

    2021-04-02 00:09:48
  • 一篇文章学会两种将python打包成exe的方式

    2022-01-05 23:36:54
  • asp压缩access数据库(带密码)方法

    2007-09-06 19:48:00
  • mysql设置某字段不能重复问题

    2024-01-19 19:22:14
  • 对python-3-print重定向输出的几种方法总结

    2023-10-21 19:38:58
  • 详解Vue.js——60分钟组件快速入门(上篇)

    2024-05-03 15:12:29
  • python开发入门——set的使用

    2023-09-21 09:39:56
  • asp之家 网络编程 m.aspxhome.com