高阶函数-map/filter/reduce

什么样的函数叫高阶函数：
　　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

高阶函数之----map函数 map(func, *iterables) --> map object
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

num = [1,2,3,4]
def reduce_test(array):
    res = 0
    for i in array:
        res+=i
    return res
print(reduce_test(num))
>>>10-------逻辑写死了，只能完成自增，如果想完成自乘怎么办？

num = [1,2,3,4]
lambda x,y:x*y
def reduce_test(func,array):
    res = array.pop(0)
    for i in array:
        res = func(res,i)
    return res
print(reduce_test(lambda x,y:x*y,num))
>>>24
可以进一步优化，指定初始的基数，比如reduce_test(func,array,init=10)指定初始化的init基数是10

num = [1,2,3,4]
lambda x,y:x*y
def reduce_test(func,array,init=None):
    if init is None:
        res = array.pop(0)
    else:
        res = init
    for i in array:
        res = func(res,i)
    return res
print(reduce_test(lambda x,y:x*y,num,100))
reduce将完整的序列压缩成一个值！map-reduce就是大数据的概念，将获取的数据加工，然后整合成一个最终结果

from functools import reduce
num = [1,2,3,4]
res = reduce(lambda x,y:x+y,num,100)--->这个直接返回一个值给你，而map，filter是返回一个对象！！！
print(res)
>>>110

小结：
　　　map：处理序列中的每个元素，得到一个map对象的结果，结果中的每一个元素都和原来的位置一样
　　　filter：遍历序列中的每个元素，判断元素得到bool值秒如果是True则保留
　　　reduce：处理一个序列，整合合并操作

巴特西

高阶函数-map/filter/reduce

最新文章

热门文章