对于那些快速算法，我们总是可以拿一些速度差不多但是更容易理解的算法来替代它们。

—— Douglas Jones

目录

高阶函数一般以函数为参数。

本节我们介绍Python 中三个方便的高阶函数，分别是：

map

reduce

filter

如果你了解过分布式系统框架---Hadoop，你应该知道map/reduce 的概念。

Python 中的map/reduce 函数与Hadoop 中的map/reduce 基本类似。

1，map 函数

在Python2 中，map 是一个函数。在Python3 中，map 是一个类：

>>> map

作用：将函数func 作用于可迭代对象iterable 中的每一个元素

原型：map(func, iterable) -> map object

参数 func：一个函数类型的参数，该函数接收一个参数，并返回一个值

参数 iterable：一个可迭代的对象

返回值：一个map 对象，同时一个迭代器

示例：

>>> m = map(lambda x: x * x, [1, 3, 5])

>>> m

>>> l = [i for i in m]

>>> l

[1, 9, 25]

参数func 可以是普通函数，也可以是匿名函数，我们这里使用了匿名函数lambda x: x * x，该函数接收一个参数，并返回该参数的平方。

可迭代对象是一个列表[1, 3, 5]，列表中的每个元素，都将传递到匿名函数中，并对每一个元素计算平方后，将结果存储到一个map 对象m 中。

为了查看m 中的值，我们使用列表推导式生成了一个列表l，可看到列表l 就是[1, 9, 25]，就是[1, 3, 5] 中每个元素的平方。

这就是python3 中map 的基本使用方法。

2，reduce 函数

在Python3 中，reduce 函数被放在functools 模块，使用时，要先从functools 模块引入：

>>> from functools import reduce

作用：将函数func 作用于序列seq 中的元素，进行一系列的计算

原型：reduce(func, seq[, initial]) -> value

参数 func：这是一个函数类型的参数，该函数接收两个参数，并返回一个值

参数 seq：一个序列

参数 initial：

当initial 存在时：reduce(func, [x1, x2, x3], initial) = func(func(func(initial, x1), x2), x3)

当initial 不存在时：reduce(func, [x1, x2, x3]) = func(func(x1, x2), x3)

返回值：返回计算结果

示例，当initial 存在时：

>>> reduce(lambda x, y : x * y, [1, 3, 5], 6)

90

# reduce(func, [1, 3, 5], 6)

# = func(func(func(6, 1), 3), 5)

# = ((6 * 1) * 3) * 5

# = 90

示例，当initial 不存在时：

>>> reduce(lambda x, y : x * y, [1, 3, 5])

15

# reduce(func, [1, 3, 5])

# = func(func(1, 3), 5)

# = (1 * 3) * 5

# = 15

3，filter 函数

在Python3 中，filter 是一个类：

>>> filter

作用：filter 用于对可迭代对象iterable 进行过滤，iterable 中的每一个元素会作为一个参数，传递到func 中

原型：filter(func, iterable) --> filter object

参数 func：这是一个函数类型的参数，该函数接受一个参数，返回一个bool 值

当func 返回True 时：对应的iterable 中的元素，会放在结果集中

当func 返回False 时：对应的iterable 中的元素，不会放在结果集中

返回值：一个filter 对象，同时也是一个迭代器

示例：

>>> f = filter(lambda x: len(x) == 2, ['dsf', 'df', 'ad', 'dfas', 'as'])

>>> f # 一个 filter 对象

>>> list(f) # 转化为列表，方便查看

['df', 'ad', 'as']

(完。)

推荐阅读：

欢迎关注作者公众号，获取更多技术干货。