阅读大概需要3分钟

跟随小博主，每天进步一丢丢

今天总共说下四个函数：assert，map，filter，reduce。

assert

俗称 断言！就是说断言一件事，如果是真，程序继续进行；如果是假，则报错。

怎么用捏？

两种用法

• assert <condition>

• assert <condition>, <error message>

第一种

def avg(marks):assert len(marks) != 0return sum(marks)/len(marks)mark1 = []
print("Average of mark1:",avg(mark1))

结果为

AssertionError

第二种

def avg(marks):assert len(marks) != 0,"List is empty."return sum(marks)/len(marks)mark2 = [55,88,78,90,79]
print("Average of mark2:",avg(mark2))mark1 = []
print("Average of mark1:",avg(mark1))

结果为

Average of mark2: 78.0
AssertionError: List is empty.

map

很多时候，我们对一个list里的数据进行同一种操作，比如：

items = [1, 2, 3, 4, 5]
squared = []
for i in items:squared.append(i**2)

这个时候，就可以用map操作，格式为：

map(function_to_apply, list_input)

具体操作为

items = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, items))

当然list里可以放函数

def multiply(x):return (x*x)
def add(x):return (x+x)funcs = [multiply, add]
for i in range(5):value = list(map(lambda x: x(i), funcs))print(value)# Output:
# [0, 0]
# [1, 2]
# [4, 4]
# [9, 6]
# [16, 8]

当然也可以进行str2id操作

a = ['5', '2', '3', '4', '5']
print(list(map(int, a)))# [5,2,3,4,5]

filter

filter函数就是对于给定的条件进行筛选，过滤。

number_list = range(-5, 5)
less_than_zero = list(filter(lambda x: x < 0, number_list))
print(less_than_zero)# Output: [-5, -4, -3, -2, -1]

这个可以用在神经网络中是否对部分网络进行fine-tune

if self.args.fine_tune is False:parameters = filter(lambda p: p.requires_grad, model.parameters())
else:parameters = model.parameters()

reduce

reduce就是累计上次的结果，用在当前操作上。比如不用reduce是这样的

product = 1
list = [1, 2, 3, 4]
for num in list:product = product * num# product = 24

用了之后

from functools import reduce
product = reduce((lambda x, y: x * y), [1, 2, 3, 4])# Output: 24

IELTS a bit

colossal adj. 巨大的；广大的；庞大的

deposit n. 存款   v. 将钱存入银行

PS：如果觉得文章对您有一丢丢帮助

欢迎点赞与转发！

推荐阅读：

一大批历史精彩文章啦

详解文本分类之多通道CNN的理论与实践