摘要:在本文中,您将学习Python中的三个令人印象深刻的函数,即map(),filter和reduce()。

Python提供了许多预定义的内置函数,最终用户可以通过调用它们来使用它们。这些功能不仅简化了程序员的工作,而且创建了标准的编码环境。在本文中,您将学习Python中的三个令人印象深刻的函数,即map(),filter和reduce()。

在继续之前,让我们看一下内容:

  • 什么是Python中的map,filter和reduce函数?
  • 在以下范围内使用用户定义的函数和lambda函数:
    • map()函数
    • filter()函数
    • reduce()函数
  • 一起使用map(),filter()和reduce()函数
    • map()中的filter()
    • filter()中的map()
    • map()和filter()中带有reduce()

因此,让我们开始吧。:)

什么是Python中的map(),filter()和reduce()函数?

如前所述,map(),filter()和reduce()是Python的内置函数。这些功能启用了Python的功能编程方面。在函数式编程中,传递的参数是决定输出的唯一因素。这些功能可以将任何其他功能用作参数,也可以提供给其他功能作为参数。现在让我们更深入地研究这些功能。

map()函数:

map()函数是一种高阶函数。如前所述,此函数将另一个函数与一个可迭代序列一起作为参数,并在将该函数应用于序列中存在的每个可迭代序列之后返回输出。其语法如下:

句法:

地图(函数,可迭代)

在此,函数定义了一个表达式,该表达式又应用于可迭代对象。map函数可以将用户定义的函数以及lambda函数作为参数。

在以下范围内使用用户定义的函数和Lambda函数:

map()中的用户定义函数:

map()函数可以将用户定义的函数作为参数。这些功能的参数由用户或程序员专门设置。例如:

例子:

def newfunc(a):
return a*a
x = map(newfunc, (1,2,3,4)) #x is the map object
print(x)
print(set(x))

输出:

<位于0x00000284B9AEADD8的地图对象>
{16, 1, 4, 9}

如您所见,x是一个地图对象。下一部分输出显示以newfunc()作为参数的map函数,然后将a * a应用于所有可迭代对象。结果,所有可迭代变量的值将自身相乘并返回。

注意:输出不是按可迭代的值的顺序,因为我使用过set()函数。您还可以使用list()或tuple()函数,例如:

例子:

def newfunc(a):
return a*a
x = map(newfunc, (1,2,3,4)) #x is the map object
print(x)
print(list(x))

输出:

<位于0x00000284B9AEA940的地图对象>
[1, 4, 9, 16]

您还可以传递多个参数列表。例如:

例子:

def func(a, b):
return a + b a = map(func, [2, 4, 5], [1,2,3])
print(a)
print(tuple(a))

输出:

<位于0x00000284B9BA1E80的地图对象>
(3, 6, 8)

现在让我们看看如何在map()函数中使用lambda函数。

map()中的Lambda函数:

Lambda函数是具有任何名称的函数。这些功能通常作为参数提供给其他功能。现在让我们尝试将lambda函数嵌入map()函数中。考虑以下示例:

例子:

tup= (5, 7, 22, 97, 54, 62, 77, 23, 73, 61)
newtuple = tuple(map(lambda x: x+3 , tup))
print(newtuple)

输出:

(8, 10, 25, 100, 57, 65, 80, 26, 76, 64)

上面的输出是将lambda表达式(x + 3)应用于元组中存在的每个项目的结果。

filter()函数:

filter()函数用于创建由值组成的输出列表,该值针对该值返回true。它的语法如下:

句法:

过滤器(函数,可迭代)

就像map()一样,可以使用此函数,也可以将用户定义的函数以及lambda函数用作参数。

例子:

def func(x):
if x>=3:
return x
y = filter(func, (1,2,3,4))
print(y)
print(list(y))

输出:

<位于0x00000284B9BBCC50的过滤器对象>
[3, 4]

如您所见,y是过滤器对象,并且列表是条件(x> = 3)正确的值的列表。

在filter()中使用lambda:

用作参数的lambda函数实际上定义了要检查的条件。例如:

例子:

y = filter(lambda x: (x>=3), (1,2,3,4))
print(list(y))

输出:

[3,4]

上面的代码产生的输出与以前的函数相同。

reduce()函数:

顾名思义,reduce()函数将给定函数应用于可迭代对象并返回单个值。

该函数的语法如下:

句法:

减少(函数,可迭代)

此处的函数定义了需要将哪些表达式应用于可迭代对象。此功能需要从functools模块导入。例如:

例子:

from functools import reduce
reduce(lambda a,b: a+b,[23,21,45,98])

输出: 187

在上面的示例中,reduce函数连续添加列表中存在的每个可迭代对象,并返回单个输出。

Python中的map(),filter()和reduce()函数可以一起使用。

一起使用map(),filter()和reduce()函数:

执行此操作时,首先会解析内部函数,然后外部函数将对内部函数的输出进行操作。

让我们首先尝试将filter()函数作为参数传递给map()函数。

在map()中使用filter():

下面给出的代码首先检查条件(x> = 3)对于可迭代对象是否为真。然后,使用map()函数映射输出。

例子:

c = map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4)))
print(list(c))

输出: [6,8]

如果从给定的元组中滤除大于或等于3的整数,则结果为[3,4]。然后,如果使用(x + x)条件映射此条件,则将获得[6,8],即输出。

在filter()中使用map():

当您在filter()函数中使用map()函数时,可迭代对象首先由map函数进行操作,然后将filter()的条件应用于它们。

例子:

c = filter(lambda x: (x>=3),map(lambda x:x+x, (1,2,3,4)))  #lambda x: (x>=3)
print(list(c))

输出: [ 4、6、8 ]

在reduce()中使用map()和filter():

内部函数的输出根据提供给reduce()函数的条件而减少。

例子:

d = reduce(lambda x,y: x+y,map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4))))
print(d)

输出: 14

输出是[6,8]的结果,它是内部map()和filter()函数的结果。

到此为止,我们已经结束了有关map(),filter()和Python中的reduce函数的文章的结尾。希望您已经清楚地了解了所有内容。确保尽可能多地练习并恢复经验。

本文分享自华为云社区《从零开始学python | 使用Python映射,过滤和缩减函数:所有您需要知道的》,原文作者:Yuchuan。

点击关注,第一时间了解华为云新鲜技术~

从零开始学python | 使用Python映射,过滤和缩减函数:所有您需要知道的的更多相关文章

  1. 【MySQL函数】MySQL 5.5从零开始学第六章

    说明:本文总结自:<MySQL 5.5从零开始学>第六章 MySQL中的函数包括: 数学函数.字符串函数.日期和时间函数.条件判断函数.系统信息函数和加密函数等. 函数: 表示对输入参数值 ...

  2. 如何从零开始学Python?会玩游戏就行,在玩的过程就能掌握编程

    现在学习编程的人很多,尤其是python编程,都列入高考了,而且因为人工智能时代的到来,编程也将是一门越来越重要的技能. 但是怎么从零开始学python比较好呢?其实,你会玩游戏就行. 从零基础开始教 ...

  3. python之感知器-从零开始学深度学习

    感知器-从零开始学深度学习 未来将是人工智能和大数据的时代,是各行各业使用人工智能在云上处理大数据的时代,深度学习将是新时代的一大利器,在此我将从零开始记录深度学习的学习历程. 我希望在学习过程中做到 ...

  4. 从零开始学Python网络爬虫PDF高清完整版免费下载|百度网盘

    百度网盘:从零开始学Python网络爬虫PDF高清完整版免费下载 提取码:wy36 目录 前言第1章 Python零基础语法入门 11.1 Python与PyCharm安装 11.1.1 Python ...

  5. 从零开始学python

    自从20世纪90年代初Python语言诞生至今,它已被广泛应用于系统管理任务的处理和Web编程.今天就来给大家看看学Python的五大优势吧! NO.1 全球三大主流编程语言之一 python是一种面 ...

  6. 从零开始学python之Python安装和环境配置

    Python 3适用于Windows,Mac OS和大多数Linux操作系统.即使Python 2目前可用于许多其他操作系统,有部分系统Python 3还没有提供支持或者支持了但被它们在系统上删除了, ...

  7. (13)处理静态资源(自定义资源映射)【从零开始学Spring Boot】

    上面我们介绍了Spring Boot 的默认资源映射,一般够用了,那我们如何自定义目录? 这些资源都是打包在jar包中的,然后实际应用中,我们还有很多资源是在管理系统中动态维护的,并不可能在程序包中, ...

  8. (13)处理静态资源(默认资源映射)【从零开始学Spring Boot】

    Spring Boot 默认为我们提供了静态资源处理,使用 WebMvcAutoConfiguration 中的配置各种属性. 建议大家使用Spring Boot的默认配置方式,如果需要特殊处理的再通 ...

  9. 零基础学python,python视频教程

    零基础学python,python视频教程 这是我收集到的互联网上的视频资源,所有内容均来自互联网.仅供学习使用. 目前我在也在学习过程中,会把学习过程中遇到问题以及解决问题的方式,总结到我的公众号[ ...

  10. python入门灵魂5问--python学习路线,python教程,python学哪些,python怎么学,python学到什么程度

    一.python入门简介 对于刚接触python编程或者想学习python自动化的人来说,基本都会有以下python入门灵魂5问--python学习路线,python教程,python学哪些,pyth ...

随机推荐

  1. seed 随机种子的作用

    在随机数生成中,种子(seed)是一个起始值,用于确定随机数生成器的初始状态.通过设置相同的种子,可以确保每次运行程序时生成的随机数序列都是相同的.这种确定性的随机数生成可以带来以下几个好处: 可复现 ...

  2. JS判断点是否在线段上

    本文利用向量的点积和叉积来判断点是否在线段上. 基础知识补充 从零开始的高中数学--向量.向量的点积.带你一次搞懂点积(内积).叉积(外积).Unity游戏开发--向量运算(点乘和叉乘 说明 点积可以 ...

  3. 简述几个我们对Redis 7开源社区所做的贡献

    Redis 7 已经于2022年4月28号正式发布,其中包括了将近50个新的命令,增加了许多新的特性,并且在整个Redis 6到Redis 7的开发过程中,我也对Redis 的开源社区贡献了一些微薄的 ...

  4. 函数计算的新征程:使用 Laf 构建 AI 知识库

    Laf 已成功上架 Sealos 模板市场,可通过 Laf 应用模板来一键部署! 这意味着 Laf 在私有化部署上的扩展性得到了极大的提升. Sealos 作为一个功能强大的云操作系统,能够秒级创建多 ...

  5. windows server 2019 2012 server 2022 无线网卡驱动安装报错,无线网卡驱动不能安装, inf服务安装段落无效

    windows server 2019 无线网络 服务安装段落无效 windows server 2019 无线网卡驱动安装报错,无线网卡驱动不能安装, inf服务安装段落无效 indows serv ...

  6. JAVAweek8

    编程,要学会将大问题逐渐分解成一个个小问题,逐步完成. 将整个程序分成若干个组件(分解) 将多次出现的相似功能设成独立的方法(模式识别.抽象.算法) 调试每个独立组件的健壮性(单元测试) 按照功能要求 ...

  7. 聊聊分布式 SQL 数据库Doris(九)

    优化器的作用是优化查询语句的执行效率,它通过评估不同的执行计划并选择最优的执行计划来实现这一目标. CBO: 一种基于成本的优化器,它通过评估不同查询执行计划的成本来选择最优的执行计划.CBO会根据数 ...

  8. 循环返回结果结果集(connect 函数使用)

    --示例: SELECT 0 + ROWNUM sonID FROM DUAL /*区间范围*/ CONNECT BY ROWNUM <= 20;

  9. Curator

  10. Tensorflow2.0实战之GAN

    本文主要带领读者了解生成对抗神经网络(GAN),并使用提供的face数据集训练网络 GAN 入门 自 2014 年 Ian Goodfellow 的<生成对抗网络(Generative Adve ...