Python 函数式编程的三大法宝map+filter+reduce分享_Python

众所周知，Python 支持多种编程范式：过程式（使用基础的语句）、面向对象编程和函数式编程。

Python 也提供了其他函数式编程语言的工具：

利用 map 在一个可迭代对象的各项上调用函数的工具
利用 filter 来过滤项
利用 reduce 把函数作用在成对的项上来运行结果的工具

一、map

在没有循环的情况下处理可迭代对象：map

有时我们需要对列表、集合、字典等可迭代序列做的一个操作就是：对其中每一个元素值进行某种操作，把其结果收集起来。

比如选出数据库中的某一列进行加减操作，或者针对某些特殊的值做平方的处理。

我们先来看一个例子：

				?

									>>> test = [1, 2, 3, 4, 5, 6]

									>>> square = []

									>>> for x in test:

									    square.append(x*x)

									>>> square

									[1, 4, 9, 16, 25, 36]

									>>>

此时就可以利用 Python 的 map，允许您在不使用循环的显式中处理和转换所有项目，该技术通常称为映射。当您需要将转换函数应用于可迭代并将其转换为新的迭代时，map 就能够有其用武之地。

				?

									>>> test = [1, 2, 3, 4, 5, 6]

									>>> 

									>>> def square(num):

									    return num*num

									>>> list(map(square, test))

									[1, 4, 9, 16, 25, 36]

									>>>

如上，我们会传入一个自定义的函数 square() 来更加一般化地使用它，也就是对列表中的每一个元素都应用这个函数。

map 对列表中的每一个元素都调用了 square 函数，并将返回值收集到一个新的列表中。

正因为我们需要自定义一个 square 函数，结合上一篇文章 lambda 函数的简单介绍中。我们可以利用 lambda 直接生成这个匿名函数，也就是可以写出这样的代码实现相同的功能：

				?

									>>> list(map((lambda x: x*x), test))

									[1, 4, 9, 16, 25, 36]

									>>>

map 传入内置 Python 函数

除了自定义函数，还可以 map 中传入内置的 Python 函数。例如，如果您有一个字符串列表，您可以轻松地创建一个计算该字符串列表长度的新列表：

				?

									>>> name = ["Sam", "Dwen", "Kyrie"]

									>>> list(map(len, name))

									[3, 4, 5]

									>>>

map 高级用法

map 不单能实现 for 循环能实现的同样的方式，还有性能优势。map 的高级用法比如：在一个可序列类型中，map 会按照顺序，并行地从各个序列中逐项取出一组又一组参数，然后传入函数中：

				?

									>>> pow(2, 8)

									256

									>>> pow(3,8)

									6561

									>>> list(map(pow, [1,2,3], [8, 8, 8]))

									[1, 256, 6561]

									>>>

能看到上述代码的结果，map 对传入的每个序列并行各自取一个值。

二、map 与列表推导式

map 调用其实与列表推导式相似。

				?

									>>> test = [1, 2, 3, 4, 5, 6]

									>>> [x*x for x in test]

									[1, 4, 9, 16, 25, 36]

									>>> list(map((lambda x: x*x), test))

									[1, 4, 9, 16, 25, 36]

但是 map 在一般情况下会比列表推导式运行更快，而且编写的代码也会更少。而且有一点很重要：通过使用圆括号而不是方括号来包围一个推导，能创建一个按需产生值的对象，减少了内存又减少了程序的响应时间。

三、选择可迭代对象中的元素：filter

map 函数是将 Python 函数式编程工具集中一个主要也相对明确的代表。而 filter 和 reduce 分别实现了基于一个测试函数选择可迭代对象的元素，以及向”元素对“ 应用函数的功能。

下面来看一个调用 filter 挑出一个序列中大于零的元素：

				?

									>>> list(range(-10, 10))

									[-10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

									>>> list(filter((lambda x : x > 0), range(-10, 10)))

									[1, 2, 3, 4, 5, 6, 7, 8, 9]

filter 对于序列或可迭代对象中的元素，如果函数对该元素返回了 True 值，这个元素就会被加入到结果列表中。

与 map 一样，filter 也能用一个 for 循环来等效，但是 filter 是内置的、简明的，通常也运行得更快：

				?

									>>> result = []

									>>> for x in range(-10, 10):

									    if x > 0:

									        result.append(x)

									>>> resullt

									[1, 2, 3, 4, 5, 6, 7, 8, 9]

同样的功能，我们也能用列表推导式来实现：

				?

									>>> [x for x in range(-10,10) if x > 0]

									[1, 2, 3, 4, 5, 6, 7, 8, 9]

四、合并可迭代对象中的元素: reduce

Python的 reduce（）是一种函数，它在 Python 标准库中居住在一个名为 functools 的模块中:

				?

									from functools import reduce

通过 reduce 来计算一个列表中所有元素加起来的和：

				?

									>>> reduce((lambda x, y: x + y),[1,2,3,4,5])

									15

reduce 会将当前的和列表中的下一个元素传入列出的 lambda 函数，在默认条件下，序列中的第一个元素初始化了起始值。

使用 reduce 的这种用法也与如下使用 for 循环实现了同样的功能：

				?

									>>> test = [1, 2, 3, 4, 5]

									>>> result = test[0]

									>>> for x in test[1:]:

									    result  = result + x

									>>> result

									15