Python3的高阶函数map,reduce,filter的示例详解

脚本专栏 2024/11/15 佚名

3 1 2

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,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

python高阶函数,pythonmap,reduce,filter

华山资源网 Design By www.eoogi.com

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

华山资源网 Design By www.eoogi.com

评论“Python3的高阶函数map,reduce,filter的示例详解”

暂无评论...

Python3的高阶函数map,reduce,filter的示例详解

python3+django2开发一个简单的人员管理系统过程详解

Django框架之DRF 基于mixins来封装的视图详解

评论“Python3的高阶函数map,reduce,filter的示例详解”

更新日志

友情链接