高阶函数概念以及map/filter/reduce

什么样的函数叫高阶函数：map(func, *iterables) --> map object
　　条件：1.函数接受函数作为参数
　　　　　2.函数的返回值中包含函数

num_l = [1,2,3,4,5,6]
b = map(lambda x:x**2,num_l)
print(b)
for i in b:
　　print(i)
>>> <map object at 0x0000023023782358>  #返回map对象,是迭代器
　　1
　　4
　　9
　　16
　　25
　　36

num_l = [1,2,3,4,5,6]
def add_one(x):#也可以将lambda函数作为参数，等价于lambda x:x+1
    return x+1
def reduce_one(x):
    return x-1
def map_number(func,array):#传函数作为参数，将处理的功能封装
    ret = []
    for i in num_l:
        res = func(i) #add_one或者reduce_one
        ret.append(res)
    return ret

print(map_number(add_one,num_l))#map_number((lambda x:x+1),num_l)

>>>[2, 3, 4, 5, 6, 7]

上述的代码其实就是map()函数！无意中完成了map内置函数！等价map((lambda x:x+1),num_l)

高阶函数之-filter filter(function or None, iterable) --> filter object
　　
例子：

all_starts = ['kobe','kg','ai','jorden','jamse','sb_zhouqi','sb_guoailun']
def filter_test(array):
    ret = []
    for i in array:
        if not i.startswith('sb'):
            ret.append(i)
    return ret
res = filter_test(all_starts)
print(res)
>>>['kobe', 'kg', 'ai', 'jorden', 'jamse']
上面的例子可以看出，处理的逻辑还是通过for循环来实现的，但是如果处理的不是以sb开头怎么办？处理以XX为中间的怎么办？
所以此时处理的逻辑可以单独写成函数，就会很好用，如同上面的map函数，你给我处理逻辑的函数和要处理的可迭代对象，我就给你处理！
唯一的不同是此时的逻辑是判断bool，通过True或者False来过滤，除去函数逻辑中的元素，此时filter函数应运而生！而filter是保留
满足函数逻辑的元素！

all_starts = ['kobe','kg','ai','jorden','jamse','sb_zhouqi_sb','sb_guoailun_sb']
def sb_show(n):
    return n.endswith('sb')
def filter_test(func,array):
    ret = []
    for i in array:
        if not func(i):
            ret.append(i)
    return ret

res = filter_test(sb_show,all_starts)
print(res)

无意中把filter函数构造出来了！说白了就是将可迭代对象array中的每个元素拿出来给前面的函数处理，处理结果是true的保留
处理结果是False的舍弃。
终极版本：ret = filter(lambda x:not x.startswith('sb'),array)
　　　　　print(list(ret))
　　　>>>['kobe', 'kg', 'ai', 'jorden', 'jamse']

高阶函数之---reduce
from functools import reduce

巴特西

高阶函数概念以及map/filter/reduce

最新文章

热门文章