Python函数式编程之map/filter/reduce

关于函数式编程

• 函数式编程Functional Programming，其思想更接近数学计算
• 函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的。
• Python对函数式编程提供部分支持
• 由于Python允许使用变量，因此，Python不是纯函数式编程语言
• 函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数（你会想到，闭包？装饰器？）

map 映射

定义

• 关键是声明和注释，内置方法你可以先忽略
  • map(func, *iterables) –> map object # 第一个参数是个函数名，第二个参数是个可迭代的对象
  • map的作用是将func作用到迭代器中的每个元素上

class map(object)
 |  map(func, *iterables) --> map object
 |
 |  Make an iterator that computes the function using arguments from
 |  each of the iterables.  Stops when the shortest iterable is exhausted.
 |
 |  Methods defined here:
 |
 |  __getattribute__(self, name, /)
 |      Return getattr(self, name).
 |
 |  __iter__(self, /)
 |      Implement iter(self).
 |
 |  __next__(self, /)
 |      Implement next(self).
 |
 |  __reduce__(...)
 |      Return state information for pickling.
 |
 |  ----------------------------------------------------------------------
 |  Static methods defined here:
 |
 |  __new__(*args, **kwargs) from builtins.type
 |      Create and return a new object.  See help(type) for accurate signature.

实例

从简->难

1. 将列表中每个整数变为平方

list1 = [1,2,3] # --> [1,4,9]

# 循环
list2 = []
for _ in list1:
    list2.append(_**2)

# 列表推导式
[i**2 for i in list1]

# map
list(map(lambda x:x**2,list1))

# 等价于   
def f(x):
    return x * x
list(map(f,list1))

• 从上面你可以看出来，map可以跟列表推导式一定程度上等价，当然也是可以用for来完成的。
• map很多的时候跟lambda结合使用。
• 效果见下图，map映射，有一一对应之意，将这个func（函数）作用到迭代器的每个元素上。

下面都是一些简单的例子而已

2. 将列表中每个整数变为字符串

list1 = [1,2,3]
list(map(str,list1))  

• 注意map返回的是map object

3. 得到学生姓名的列表

students = [
            {"name": "John Doe",
             "father name": "Robert Doe",
             "Address": "123 Hall street"
             },
            {
              "name": "Rahul Garg",
              "father name": "Kamal Garg",
              "Address": "3-Upper-Street corner"
            },
            {
              "name": "Angela Steven",
             "father name": "Jabob steven",
             "Address": "Unknown"
            }
]

• 像例子1-2是烂大街的map举例的，像3这种就不太明显了，但却非常适合用map

  list(map(lambda stu:stu['name'],students))
  

• 当然还有一个问题是这样的lambda你是否能想到？（虽然比较简单）

4. 将2个列表中对应的数据相乘

list1 = [1,2,3]
list2 = [4,5,6] # -> [4,10,18]  1*4  2*5 3*6 

• 这个用列表推导式可以吗？反正我不太会做

  [i*j for i in list1 for j in list2]  # [4, 5, 6, 8, 10, 12, 12, 15, 18]  # 可以看到是一个双重for循环
  
  

• 用map实现

  list(map(lambda x,y:x*y,list1,list2))   # 你可以看到x来自list1，y来自list2
  

  • 是的，map后面第一个参数是函数名，第二个参数是可迭代对象，但可以是多个。

5. 映射多个函数的一个示例

# ×2
def double(x):
    return x + x

# 平方
def square(x):
    return x * x

# 数据
list1 = [1, 2, 3 ]

# 处理
for i in list1:
    temp = tuple(map(lambda x: x(i), (double, square)))
    print(temp)

### 
# (2, 1)
# (4, 4)
# (6, 9)

6. 其他实例

• 把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字

  list1 = ['adam', 'LISA', 'barT']
  list(map(lambda x:x.capitalize(),list1))
  

• 将一个数字字符串转换为整数的list

  list(map(int,'1234'))
  

• 提取字典中的key

  list(map(int,{1:2,2:3,3:4}))
  

• 快速生成26个英文字符

  "".join(map(chr, range(ord('a'), ord('z') + 1)))
  

• 统计指定字符串每个字符出现的次数，从高到底排列

  from collections import Counter
  string =  "AAABBCCAC"
  print("".join(map(lambda x: x[0] + str(x[1]), Counter(string).most_common())))  #A4C3B2
  

在pandas中大量存在map等应用

filter 过滤

• 筛选满足条件的元素时非常有用

定义

class filter(object)
 |  filter(function or None, iterable) --> filter object
 |
 |  Return an iterator yielding those items of iterable for which function(item)
 |  is true. If function is None, return the items that are true.
 |
 |  Methods defined here:
 |
 |  __getattribute__(self, name, /)
 |      Return getattr(self, name).
 |
 |  __iter__(self, /)
 |      Implement iter(self).
 |
 |  __next__(self, /)
 |      Implement next(self).
 |
 |  __reduce__(...)
 |      Return state information for pickling.
 |
 |  ----------------------------------------------------------------------
 |  Static methods defined here:
 |
 |  __new__(*args, **kwargs) from builtins.type
 |      Create and return a new object.  See help(type) for accurate signature

实例

1. 找出整数列表中的奇数

nums = [1,2,3,4,5]
list(filter(lambda x:x%2==1,nums))

2. 找出姓名长度不超过5个字符的人员信息

names = ['alice','jordan','richardson','mike','hudson']
list(filter(lambda x:len(x)<=5,names))

3. 求所有的水仙花数

list(filter(lambda num:int(str(num)[0])**3+int(str(num)[1])**3+int(str(num)[2])**3 == num,range(100,1000)))

4. 剔除所有空字符串

def not_empty(s):
    return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))

reduce 递推

reduce是相对来说比较难的一个函数，一方面是不常用，但在某些应用场景中用它就非常巧妙，另外一方面这个递推的过程你得理解。

定义

reduce(...)
    reduce(function, sequence[, initial]) -> value

    Apply a function of two arguments cumulatively to the items of a sequence,
    from left to right, so as to reduce the sequence to a single value.
    For example, reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) calculates
    ((((1+2)+3)+4)+5).  If initial is present, it is placed before the items
    of the sequence in the calculation, and serves as a default when the
    sequence is empty.

• 此处的example对理解reduce非常重要

  reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) 
  --->
  ((((1+2)+3)+4)+5)
  

• 有个递归的意思在里面from functools import reduce

实例

1. 把[1,3,5,7,9]变成13579

from functools import reduce
reduce(lambda x,y:10*x+y, [1, 3, 5, 7, 9])

• 注意reduce在functools下面，需要导入

2. 对整数列表中的奇数元素进行求平方

items = [12, 5, 7, 10, 8, 19]
list(map(lambda x: x ** 2, filter(lambda x: x % 2, items)))

# 其实用 列表推导式反而简单了
items = [12, 5, 7, 10, 8, 19]
[x ** 2 for x in items if x % 2]

3. 实现str->int的转换

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def char2num(s):
    return DIGITS[s]

def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))
string = '135'
print(str2int(string))

4. 对列表中所有数字相乘

from functools import reduce
def prod(L):
    return reduce(lambda x,y:x*y,L)

print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))
if prod([3, 5, 7, 9]) == 945:
    print('测试成功!')
else:
    print('测试失败!')

原文地址：http://www.cnblogs.com/wuxianfeng023/p/16896715.html