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