初学者python笔记（map()函数、reduce()函数、filter()函数、匿名函数）

文章目录

一、匿名函数
二、map()函数
三、reduce()函数
四、filter()函数
五、三大函数总结

本篇文章内容有Python中的匿名函数和map()函数、reduce()函数、filter()函数这三大封装函数(遍历处理)，以及它们的使用案例。 文末是对这几个函数用法功能的比较。

一、匿名函数

该函数的用法类似于C语言中的宏定义，只是这个不需要定义名字，故叫匿名函数，但它们的作用都是用来提供一个简短的函数。

print(lambda x:x+1)  #打印匿名函数的内存地址
func1 = lambda x:x+1  #调用匿名函数第1步
func2 = lambda x,y:x*y  #两个参数的匿名函数
print(func1(10))    #调用匿名函数第2步
print(func2(4,130))   #需要传入两个参数以符合x,y
name = '鸣人'
func3 = lambda x:x + '——羊村村长'
print(func3(name))

运行结果：
<function at 0x02C07B70>
11
520
鸣人——羊村村长

二、map()函数

函数嵌套——把函数当做一个参数传给另外一个函数

def foo(n):print(n)
def bar(name):print("my name is %s"%name)  #使用了百分号类的字符串拼接
foo(bar('小沈阳'))
#会先传入“小沈阳”执行bar()，并输出，
#再将bar()的返回值，即None传入foo()中，并输出形参

运行结果：
my name is 小沈阳
None

低级函数封装

num_1 = [1,2,3,4,5]
def map_test(array):ret = []for i in array:  #把列表中的所有元素都乘2ret.append(i*2)return ret  #可以返回一个列表
ret = map_test(num_1)  #执行封装函数
print(ret)

运行结果：
[2, 4, 6, 8, 10]

高级封装函数——最接近map()函数的本质

num_1 = [1,2,3,4,5]
def cut_one(x):  #定义一个做减1运算的函数return x-1
def add_one(x):   #定义一个做加1运算的函数return x+1
def map_test(func,array):  #定义一个做全部遍历的函数，并执行相关操作的函数ret=[]for i in array:res=func(i)   #add_oneret.append(res)return ret
print(map_test(add_one,num_1))   #加1
print(map_test(cut_one,num_1))   #减1

运行结果：
[2, 3, 4, 5, 6]
[0, 1, 2, 3, 4]

map()函数+匿名函数——终极用法
传入一个函数和一个列表到封装函数中，好处是可以根据需求传入各种定义的函数，将列表中所有的元素做处理

#第一个参数是一个函数，第二个参数是一个可迭代对象（可循环的）
num_1 = [1,2,3,4,5]
res = map(lambda x:x+1,num_1)  #每个数都加1
print(list(res))  #打印的时候必须输出列表
msg='yourself'
print(list(map(lambda x:x.upper(),msg)))  #将所有字符都变大写
#map()函数返回的是内存地址，需要list列表化或者tuple元组化才可以打印出对应的值

运行结果：
[2, 3, 4, 5, 6]
[‘Y’, ‘O’, ‘U’, ‘R’, ‘S’, ‘E’, ‘L’, ‘F’]
原来，map()函数是做批量处理用的

三、reduce()函数

初级reduce()——简单的单函数

num = [1,2,3,4,5,6,100]
def reduce_test(array):res = 0for n in array:  #将num中的元素都累加起来res += nreturn res
print(reduce_test(num))

运行结果：121

进阶reduce()——函数嵌套

num = [1,2,3,4,5,100]
def reduce_test(func,array,init=None):  #某参数=None则为非必须参数if init == None:res = array.pop(0)#用户没有输入值，则将第一个值赋值给res，并且删除第一个值，实现每乘完一个就取出一个else:res = init  #用户输入了一个值for n in array:  #将num中的元素都累乘起来res = func(res,n)  #传入的两个参数是需要相乘的两个数，每次都传入了func相乘后都更新res的值return res
print(reduce_test(lambda x,y:x*y, num, 2))
#该匿名函数接收两个参数对x,y两个参数做相乘处理

运行结果：
24000

reduce()函数——终极reduce
注意：该函数使用前需要从functools库中导入。
即：from functools import reduce

from functools import reduce
num = [1,2,3,4,5,100]
print(reduce(lambda x,y:x*y, num, 2))
#reduce函数必须导入functools模块，且第三个参数是非必须参数，为初始值

运行结果：
24000
很明显，reduce()函数做整合用的。

四、filter()函数

这个函数在我的文章：初学者python笔记（filter()函数完全详解）里已经专门介绍了，这里就不做详细分析，只拿出最后的用法。

people_onepiece=[{'name':'路飞','age':19},  #列表中有5个字典，每个字典都有2个键值对{'name':'娜美','age':20},{'name':'山治','age':22},{'name':'乔巴','age':12},{'name':'乌索普','age':21}]
print(list(filter(lambda n:n['age']<=20,people_onepiece)))
#传入的参数是一个判断年龄的匿名函数，一个列表
#如果年龄小于20岁，则将该字典保留下来

运行结果：
[{‘name’: ‘路飞’, ‘age’: 19}, {‘name’: ‘娜美’, ‘age’: 20}, {‘name’: ‘乔巴’, ‘age’: 12}]
可以看出，filter()函数是做筛选用的

五、三大函数总结

map()函数，filter()函数，reduce()三大批量处理函数总结：
map函数是将一个列表中所有的元素都处理了一遍（最终返回的还是一个完整列表，位置和顺序都不变）

filter函数是将一个列表中所有的元素筛选了一遍，判断每个元素得到的布尔值（最终返回的是被筛选过的元素组成的一个列表）

reduce函数是把一个完整的列表都整合出另一个数据，或累加结果，或累乘结果（最终返回的是一个元素）

map函数	每个元素都会变

filter函数	保留符合条件的元素

reduce函数	整合出新元素