Python中lambda表达式、reduce函数、map函数、zip函数

最新推荐文章于 2023-03-29 15:30:25 发布

原创最新推荐文章于 2023-03-29 15:30:25 发布 · 846 阅读

5 ·

CC 4.0 BY-SA版权

Python 专栏收录该内容

22 篇文章

订阅专栏

本文汇总了Python中的lambda表达式、reduce函数、map函数和zip函数。lambda函数是简单的匿名函数，常用于配合reduce。reduce对序列进行累积操作，map将函数应用于序列的所有元素。zip函数则将多个序列打包成元组，形成一个新的迭代器。

对Python这几个常用的小函数做一个汇总学习，参考了一些资料，有不妥的地方请原谅。

1、lambda函数

lambda是Python的一个内置函数，但是比def简单很多。lambda不同于其他函数，主体是一个表达式，在代码内部嵌入一个函数的定义。工程用的比较多的是程序内部一些选择语句执行时，使用lambda比较简洁方便，经常遇到配合reduce函数使用。

函数速写

func = lambda x,y:x+y

func(1,2)
Out[3]: 3

除外，lambda表达式也可以用在def函数中。

上面定义了一个func1函数，返回了一个lambda表达式。其中lambda表达式获取def作用域内变量名x的值，a是action函数的返回值。等价于：a=lambda y：2+y

当然也可以使用嵌套的lambda表达式，实现上面功能。不过从程序可读性角度来说，应该避免这种使用。

2、reduce函数

2.1 reduce函数的语法

reduce(function, iterable[, initializer])

function -- 函数，有两个参数
iterable -- 可迭代对象
initializer -- 可选，初始参数

返回函数计算后的结果。

reduce() 函数会对参数序列中元素进行累积。函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

2.2 程序实例

在Python3中reduce() 被从全局名字空间里移除，被放置在 fucntools 模块中，使用时需要通过导入functools 模块来调用 reduce() ，比如：from functools import reduce

>>>def add(x, y) :            
...     return x + y
... 
>>> reduce(add, [1,2,3,4,5])   # 计算列表和：1+2+3+4+5
15
>>> reduce(lambda x, y: x+y, [1,2,3,4,5])  # 使用 lambda 匿名函数
15

from functools import reduce

def add(x,y):
    return x + y

print (reduce(add, range(1, 101)))
#结果为5050


#求阶乘，n为5
n = 5
reduce(lambda x,y:x*y, range(1,n+1))
#结果为120

3、map函数

3.1map函数语法

map(function, iterable, ...)

function -- 函数
iterable -- 一个或多个序列

返回值：Python 2 返回列表，Python 3返回迭代器。

map() 会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

3.2几个实例（例子引用的资料[2]）

>>>def square(x) :            # 计算平方数
...     return x ** 2
... 
>>> map(square, [1,2,3,4,5])   # 计算列表各个元素的平方
[1, 4, 9, 16, 25]
>>> map(lambda x: x ** 2, [1, 2, 3, 4, 5])  # 使用 lambda 匿名函数
[1, 4, 9, 16, 25]
 
# 提供了两个列表，对相同位置的列表数据进行相加
>>> map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
[3, 7, 11, 15, 19]

如果函数有多个参数, 但每个参数的序列元素数量不一样, 会根据最少元素的序列进行,上面z的元素只有四个，所以结果执行为：

1**2+2+100=103

2**2+3+100=107

3**2+4+100=113

4**2+5+100=121

map函数和filter函数对比

>>> res1 = map(lambda n: n > 5, range(10))
>>> lt1 = list(res1)
>>> print(lt1)
[False, False, False, False, False, False, True, True, True, True]

>>> res2 = filter(lambda n: n > 5, range(10))
>>> lt = list(res2)
>>> print(lt) 
[6, 7, 8, 9]

filter是通过生成 True 和 False 组成的迭代器将可迭代对象中不符合条件的元素过滤掉；而map返回的则是 True 和 False 组成的迭代器。

#参考https://www.cnblogs.com/caizhao/p/7905094.html
>>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]
>>>
>>> print filter(lambda x: x % 3 == 0, foo)
[18, 9, 24, 12, 27]
>>>
>>> print map(lambda x: x * 2 + 10, foo)
[14, 46, 28, 54, 44, 58, 26, 34, 64]
>>>
>>> print reduce(lambda x, y: x + y, foo)
139

4、zip函数(参考资料[3])

zip()是Python的一个内建函数，接受可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple，然后返回由这些tuples组成的list。若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同。利用*号操作符，可以将list unzip（解压）。

zip 方法在 Python 2 和 Python 3 中的不同：在 Python 3.x 中为了减少内存，zip() 返回的是一个对象。如需展示列表，需手动 list() 转换。

两个例子：

>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)

[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)
[(1, 2, 3), (4, 5, 6)]

二维矩阵变换（矩阵的行列互换）

比如我们有一个由列表描述的二维矩阵 a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
通过python列表推导的方法，如下：

print [[row[col] for row in a] for col in range(len(a[0]))]
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]

另一种方法利用zip函数：

>>> a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> zip(*a)
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
>>> map(list,zip(*a))
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]

这种方法速度更快但也更难以理解，将list看成tuple解压，恰好得到我们“行列互换”的效果，再通过对每个元素应用list()函数，将tuple转换为list。

参考

[1]http://www.runoob.com/python/python-func-reduce.html

[2]http://www.runoob.com/python/python-func-map.html

[3]https://www.cnblogs.com/strongYaYa/p/5870075.html