4個python常用高階函式的使用方法

2022-06-06 05:06:09 字數 4451 閱讀 6969

1、map

python內建了map()函式，map()函式接受兩個引數，乙個是函式，乙個是iterable，map將傳入的函式依次作用到序列的每乙個元素上，並把結果作為新的iterator返回。

舉例說明，比如我們有乙個函式f(x)=x*2，要把這個函式作用在乙個list[1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()實現。

>>> def f(x):


... return x*2


... 


>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])


>>> list(r)


[2, 4, 6, 8, 10, 12, 14, 16, 18]
map()傳入的第乙個引數是f，即函式物件本身。由於結果r是乙個iterator，iterator是惰性序列，因此通過list()函式讓它把整個序列都計算出來並返回乙個list。

你可能會想，不需要map()函式，寫乙個迴圈，也可以計算出結果：

l = 


for i in [1, 2, 3, 4, 5, 6, 7, 8, 9]:


print(l)
的確也可以，但是，從上面的迴圈**，能一眼看明白」把f(x)作用在list的每乙個元素並把結果生成乙個新的list「嗎？

所以，map()作為高階函式，事實上它把運算規則抽象了，因此，我們不但可以計算簡單的f(x)=x*2，還可以計算任意複雜的函式，比如把這個list所有的數字轉為字串：

>>> list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))


['1', '2', '3', '4', '5', '6', '7', '8', '9']
只需要一行**就可以搞定。

2、reduce

再看reduce的用法。reduce是把乙個函式作用在乙個序列[x1, x2, x3……]上，這個函式必須接收兩個引數，reduce把結果繼續和序列的下乙個元素做累計計算。簡單來說，就是先計算x1和x2的結果，再拿結果與x3計算，依次類推。

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1,x2), x3), x4)
比如說乙個序列求和，就可以用reduce實現。

>>> from functools import reduce


>>> def add(x, y):


... return x + y


... 


>>> reduce(add, [1, 3, 5, 7, 9])


25
當然求和運算可以直接使用python內建函式sum()，沒必要動用reduce。

但是如果要把序列[1, 3, 5, 7, 9]變換為整數13579，reduce就可以派上用場：

>>> from functools import reduce


>>> def fn(x, y):


... return x * 10 + y


... 


>>> reduce(fn, [1, 3, 5, 7, 9])


13579
這個例子本身沒多大用處，但是，如果考慮到字串str也是乙個序列，對上面的例子稍加改動，配合map，我們就可以寫出把str轉換為int的函式：

>>> from functools import reduce


>>> def fn(x, y):


... return x * 10 + y


...>>> def char2num(s):


... digits = 


... return digits[s]


...>>> reduce(fn, map(char2num, '13579'))


13579
from functools import reduce


digits = 


def str2int(s):


def fn(x, y):


return x * 10 + y


def char2num(s):


return digits[s]


return reduce(fn, map(char2num, s))
還可以用lambda函式進一步簡化成：

from functools import reduce


digits = 


def char2num(s):


return digits[s]


def str2int(s):


return reduce(lambda x, y: x * 10 + y, map(char2num, s))
也就是說，假設python沒有提供int()函式，你完全可以自己寫乙個把字串轉化為整數的函式，而且只需要幾行**。

3、filter

python內建的filter()函式用於過濾序列。

和map()類似，filter()也接收乙個函式和乙個序列。和map()不同的是，filter()把傳入的函式依次作用於每乙個元素，然後根據返回值是true還是false決定保留還是丟棄該元素。

例如，在乙個list中，刪掉偶數，只保留奇數，可以這麼寫：

def is_odd(n):


return n % 2 == 1


list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))


# 結果: [1, 5, 9, 15]
把乙個序列中的空字串刪掉，可以這麼寫：

def not_empty(s):


return s and s.strip()


list(filter(not_empty, ['a', '', 'b', none, 'c', ' ']))


# 結果: ['a', 'b', 'c']
可見用filter()這個高階函式，關鍵在於正確實現乙個篩選函式。

注意到filter()函式返回的是乙個iterator，也就是乙個惰性序列，所有要強迫filter()完成計算結果，需要用list()函式獲得所有結果並返回list。

4、sorted

排序也是在程式中經常用到的演算法。無論使用氣泡排序還是快速排序，排序的核心是比較兩個元素的大小。如果是數字，我們可以直接比較，但如果是字串或者兩個dict呢？直接比較數學上的大小是沒有意義的，因此，比較的過程必須通過函式抽象出來。

python內建的sorted()函式就可以對list進行排序：

>>> sorted([36, 5, -12, 9, -21])


[-21, -12, 5, 9, 36]
此外，sorted()函式也是乙個高階函式，它還可以接收乙個key函式來實現自定義的排序，例如按絕對值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)


[5, 9, -12, -21, 36]
key指定的函式將作用於list的每乙個元素上，並根據key函式返回的結果進行排序。

我們再看乙個字串排序的例子：

>>> sorted(['bob', 'about', 'zoo', 'credit'])


['credit', 'zoo', 'about', 'bob']
預設情況下，對字串排序，是按照ascii的大小比較的，由於'z' < 'a'，結果，大寫字母z會排在小寫字母a的前面。

現在，我們提出排序應該忽略大小寫，按照字母序排序。要實現這個演算法，不必對現有**大加改動，只要我們能用乙個key函式把字串對映為忽略大小寫排序即可。忽略大小寫來比較兩個字串，實際上就是先把字串都變成大寫（或者都變成小寫），再比較。

這樣，我們給sorted傳入key函式，即可實現忽略大小寫的排序：

>>> sorted(['bob', 'about', 'zoo', 'credit'], key=str.lower)


['about', 'bob', 'credit', 'zoo']
要進行反向排序，不必改動key函式，可以傳入第三個引數reverse=true：

>>> sorted(['bob', 'about', 'zoo', 'credit'], key=str.lower, reverse=true)


['zoo', 'credit', 'bob', 'about']
5、小結

高階函式的抽象能力是非常強大的，在**中善於利用這些高階函式，可以使我們的**變得簡潔明瞭。

Python常用高階函式

高階函式是在python中乙個非常有用的功能函式，所謂高階函式就是乙個函式可以用來接收另乙個函式作為引數，這樣的函式叫做高階函式。為了便於理解，我們從實際例子來看看函式當做引數被傳遞到另個函式是什麼樣的。我們把abs 函式賦值給了f變數，接下來你就可以像使用abs 函式本身那樣使用f變數了，區別只是...

python 函式4（遞迴 高階函式）

python 函式4 遞迴 高階函式 遞迴 在函式內部，可以呼叫其他函式。如果乙個函式在內部呼叫自身本身，這個函式就是遞迴函式。遞迴特性 1.遞迴必須有乙個明確的結束條件 2.每次進入更深一層遞迴時，問題規模相比上次遞迴都應有所減少 3.遞迴效率不高，遞迴層次過多會導致棧溢位 在計算機中，函式呼叫是...

python中5個常用的內建高階函式

python內建常用高階函式 一 函式式程式設計 1 map 函式 是 python 內建的高階函式，它接收乙個函式 f 和乙個 list，並通過把函式 f 依次作用在 list 的每個元素上，得到乙個新的 list 並返回 def add x return x x print map add,1 ...