当前位置: 首页 > news >正文

Python函数式编程(二):map、 reduce、 filter、 sorted

Python 内建的高阶函数有 map、 reduce、 filter、 sorted

map

       map()函数接收两个参数, 一个是函数, 一个是序列, map 将传入的函数依次作用到序列的每个元素, 并把结果作为新的 list 返回
 

比如我们有一个函数 f(x)=x2, 要把这个函数作用在一个 list [1, 2, 3, 4, 5, 6, 7, 8, 9]上

原始 Python 代码实现

def f(x):
	return x * x
L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
	L.append(f(n))
print(L)

map 实现

def f(x):
	return x * x
L=map(f,[1, 2, 3, 4, 5, 6, 7, 8, 9])
print(L)
print(list(L))

     从上面的实例可以看到, map()作为高阶函数, 事实上它把运算规则抽象了, 因此, 我们不但可以计算简单的 f(x)=x2, 还可以计算任意复杂的函数
 

【示例】 map 函数传入两个列表

def f2(x,y):
	return x+y
L=map(f2,[1,2,3,4],[10,20,30])
print(list(L))

filter

       Python 内建的 filter()函数用于过滤序列。 和 map()类似, filter()也接收一个函数和一个序列。 和 map()不同的时, filter()把传入的函数依次作用于每个元素, 然后根据返回值是 True还是 False 决定保留还是丢弃该元素

      True留下,False丢弃

示例,在一个 list 中, 删掉偶数, 只保留奇数

def is_odd(n):
	return n % 2 == 1

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

示例, filter 序列中的空字符串删掉

def not_empty(s):
	return s and s.strip()

L=filter(not_empty, ['A', '', 'B', None, 'C', ' '])
print(list(L))

reduce

      reduce 把一个函数作用在一个序列[x1, x2, x3...]上, 这个函数必须接收两个参数, reduce把结果继续和序列的下一个元素做累积计算

      reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
 

比如说对一个序列求和, 就可以用 reduce 实现
 

from functools import reduce

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

sum=reduce(add, [1, 3, 5, 7, 9])
print(sum)

sorted

sorted()函数也是一个高阶函数, 它还可以接收一个 key 函数来实现自定义的排序
 

sorter1 = sorted([1,3,6,-20,34])
print("升序排列:",sorter1)

# sorted()函数也是一个高阶函数, 它还可以接收一个 key 函数来实现自定义的排序
sorter2 = sorted([1,3,6,-20,-70], key=abs)
print("自定义排序:",sorter2)

sorter2 = sorted([1,3,6,-20,-70],key=abs,reverse=True)
print("自定义反向排序:",sorter2)

# 4.2 字符串排序依照 ASCII
sorter3 = sorted(["ABC","abc","D","d"])
print("字符串排序:",sorter3)

# 4.3 忽略大小写排序
sorter4 = sorted(["ABC","abc","D","d"], key=str.lower)
print("忽略字符串大小写排序:",sorter4)

# 4.4 要进行反向排序, 不必改动 key 函数, 可以传入第三个参数 reverse=True:
sorter5 = sorted(["ABC","abc","D","d"],key=str.lower,reverse=True)
print("忽略字符串大小写反向排序:",sorter5)

相关文章:

  • OpenCV(一)——图片灰度转换(灰度图) 修改图片尺寸(cv2.resize) 读取视频
  • opencv人脸识别 (一):人脸检测 (Haar级联 静态图像中人脸检测 视频中的人脸检测 )
  • opencv人脸识别 (二):人脸识别 (基于 LBPH)
  • Caffe(一)——简介 优点 Caffe2 编译和安装
  • Pytorch之经典神经网络CNN(一) —— 全连接网络 / MLP (MNIST) (trainset和Dataloader batch training learning_rate)
  • 神经网络/深度学习 相关知识
  • pytorch搭建神经网络分类Fashion-MNIST数据集
  • Python函数式编程(三):匿名函数lambda
  • 编程范式—命令式编程与函数式编程
  • Scala语言(二)
  • Scala语言(三)
  • Python——virtualenv/virtualenvwrapper
  • Python多进程(multiprocessing)(mp)(一) —— 进程的创建 join()方法
  • Python多进程(multiprocessing)(mp)(二) —— 创建多进程 继承process类 进程池(Pool)
  • Python多进程(multiprocessing)(mp)(三) —— 进程间通信 Queue队列(Manager)
  • IE9 : DOM Exception: INVALID_CHARACTER_ERR (5)
  • [译] 理解数组在 PHP 内部的实现(给PHP开发者的PHP源码-第四部分)
  • JavaScript异步流程控制的前世今生
  • mysql innodb 索引使用指南
  • Python学习之路16-使用API
  • React-redux的原理以及使用
  • 百度小程序遇到的问题
  • 力扣(LeetCode)21
  • 利用阿里云 OSS 搭建私有 Docker 仓库
  • 前端_面试
  • 区块链技术特点之去中心化特性
  • 入手阿里云新服务器的部署NODE
  • 通过git安装npm私有模块
  • 通过几道题目学习二叉搜索树
  • 原生JS动态加载JS、CSS文件及代码脚本
  • 走向全栈之MongoDB的使用
  • scrapy中间件源码分析及常用中间件大全
  • ​创新驱动,边缘计算领袖:亚马逊云科技海外服务器服务再进化
  • ​第20课 在Android Native开发中加入新的C++类
  • $Django python中使用redis, django中使用(封装了),redis开启事务(管道)
  • $L^p$ 调和函数恒为零
  • %3cli%3e连接html页面,html+canvas实现屏幕截取
  • (3)选择元素——(14)接触DOM元素(Accessing DOM elements)
  • (NSDate) 时间 (time )比较
  • (二开)Flink 修改源码拓展 SQL 语法
  • (附源码)ssm旅游企业财务管理系统 毕业设计 102100
  • (力扣)1314.矩阵区域和
  • (论文阅读31/100)Stacked hourglass networks for human pose estimation
  • (转)利用ant在Mac 下自动化打包签名Android程序
  • .Net Core缓存组件(MemoryCache)源码解析
  • .NET MAUI学习笔记——2.构建第一个程序_初级篇
  • .net 逐行读取大文本文件_如何使用 Java 灵活读取 Excel 内容 ?
  • .NET:自动将请求参数绑定到ASPX、ASHX和MVC(菜鸟必看)
  • .NET成年了,然后呢?
  • .NET使用存储过程实现对数据库的增删改查
  • @31省区市高考时间表来了,祝考试成功
  • [4.9福建四校联考]
  • [bzoj1006]: [HNOI2008]神奇的国度(最大势算法)
  • [C puzzle book] types
  • [C#]winform部署yolov5-onnx模型