Python中的mapfilterreduce函数实例

在很多语言中大家都会发现会有这样几个函数，至少总是会有map和reduce函数，而几乎在这些语言中，他们的作用都差不多。

很多时候，如果我们对某一个知识点觉得抽象不容易理解的时候，一般来说只是因为例子看少了或者是没有合适的例子帮助我们理解而已，并不是我们的脑子没有别人转得快。

所以，今天我直接使用几个实例演示这几个函数的作用，当然也会附上解释，希望能够帮助大家理解它们。

1. map函数

map除了地图，在这里是映射的意思，那么，顾名思义，我们可以用其来进行一个数据的映射作用。我们在高中学习映射的时候，是不是一个x在经过映射后对应一个y，同样，在这里我们就可以使用map函数实现这样的效果，得到对应的y。

语法：map(映射规则的函数，被映射的数据集或者函数集)

#  给定一个列表lis，将里面的值进行平方后同样进行列表输出

lis = [1, 2, 3, 4, 5]  # 定义一个列表
new_list = list(map(lambda x: x**2, lis))   # lambda为匿名函数，x相当于形参，冒号后面的x**2则表示该函数的返回值，
print(new_list)

out：[1, 4, 9, 16, 25]

# 遍历值，使用多个函数进行映射
def fn1(a):  
    return a + 1    # 此函数将数据加1

def fn2(b):
    return b * 2   # 此函数将数据乘以2

fns = [fn1, fn2]   # 放多个函数的列表
for i in range(5):
    print(list(map(lambda x: x(i), fns)))    # 同时调用多个函数对i进行映射
    
out：
[1, 0]
[2, 2]
[3, 4]
[4, 6]
[5, 8]

2.filter函数

此函数的作用主要就是进行条件筛选，例如

# 将列表中小于3的数挑出来放在新列表中
num_list1 = [2, 3, 4, 5, 6, 7]
result1 = list(filter(lambda x: x < 3, num_list1))
print(result1)

out：[2]

3.reduce函数

reduce在计算机中主要就是表达计算的意思，所以，其功能也是进行计算，例如我们看这样一个例子

# 例如需要计算列表中数据的乘积
from functools import reduce   # 需要进行导入一下

num_list = [1, 2, 3, 4]
result = reduce((lambda x, y: x * y), num_list)   
print(result)

out:
24       # 1*2*3*4

当然我们也可以使用推导式进行实现，但是内置函数会更快。