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

灰太狼 2023-07-10 05:24 6阅读 0赞

### 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 ###

1.  **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

1.  **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2
    		ret.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：  
\[2, 4, 6, 8, 10\]

1.  **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_one
    		ret.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：  
\[2, 3, 4, 5, 6\]  
\[0, 1, 2, 3, 4\]

1.  **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 ###

1.  **初级reduce()——简单的单函数**

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

运行结果：121

1.  **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

1.  **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）][python_filter]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）

<table> 
 <thead> 
  <tr> 
   <th>map函数</th> 
   <th>每个元素都会变</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td><strong>filter函数</strong></td> 
   <td><strong>保留符合条件的元素</strong></td> 
  </tr> 
  <tr> 
   <td></td> 
   <td></td> 
  </tr> 
  <tr> 
   <td><strong>reduce函数</strong></td> 
   <td><strong>整合出新元素</strong></td> 
  </tr> 
 </tbody> 
</table>

[python_filter]: https://blog.csdn.net/Viewinfinitely/article/details/104564960