python中的zip、map、reduce 、lambda函数的使用。

lambda只是一个表达式，函数体比def简单不少。

lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。

lambda表达式是起到一个函数速写的做用。容许在代码内嵌入一个函数的定义。

以下例子：

定义了一个lambda表达式，求三个数的和。

再看一个例子：

用lambda表达式求n的阶乘。

------------------------------

lambda表达式也能够用在def函数中。

看例子：

这里定义了一个action函数，返回了一个lambda表达式。其中lambda表达式获取到了上层def做用域的变量名x的值。

a是action函数的返回值，a(22)，便是调用了action返回的lambda表达式。

这里也能够把def直接写成lambda形式。以下

zip()函数用法

 

zip()是Python的一个内建函数，它接受一系列可迭代的对象做为参数，将对象中对应的元素打包成一个个tuple（元组），而后返回由这些tuples组成的list（列表）。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*号操做符，能够将list unzip（解压），看下面的例子就明白了：

 

1 2 3 4 5 6 7 8 9

>>> 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)]

 

对于这个并非很经常使用函数，下面举几个例子说明它的用法：

 

* 二维矩阵变换（矩阵的行列互换）

 

好比咱们有一个由列表描述的二维矩阵
a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
经过python列表推导的方法，咱们也能轻易完成这个任务

1 2	print [ [row[col] for row in a] for col in range(len(a[0]))] [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

 

另一种让人困惑的方法就是利用zip函数：

 

1 2 3 4 5

>>> 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当作tuple解压，刚好获得咱们“行列互换”的效果，再经过对每一个元素应用list()函数，将tuple转换为list

 

Python函数式编程——map()、reduce()

1.map()

格式：map( func, seq1[, seq2...] )

Python函数式编程中的map()函数是将func做用于seq中的每个元素，并用一个列表给出返回值。若是func为None，做用同zip()。

当seq只有一个时，将func函数做用于这个seq的每一个元素上，获得一个新的seq。下图说明了只有一个seq的时候map()函数是如何工做的（本文图片来源：《Core Python Programming (2nd edition)》）。

能够看出，seq中的每一个元素都通过了func函数的做用，获得了func(seq[n])组成的列表。

下面举一个例子进行说明。假设咱们想要获得一个列表中数字%3的余数，那么能够写成下面的代码。

 

Python函数式编程之map使用（一个seq）

 

 

 

 

 

Python

 

1 2 3 4 5 6

# 使用map print map( lambda x: x%3, range(6) )  # [0, 1, 2, 0, 1, 2]   #使用列表解析 print [x%3 for x in range(6)]  # [0, 1, 2, 0, 1, 2]

 

这里又和上次的filter()同样，使用了列表解析的方法代替map执行。那么，何时是列表解析没法代替map的呢？

原来，当seq多于一个时，map能够并行地对每一个seq执行以下图所示的过程：

也就是说每一个seq的同一位置的元素在执行过一个多元的func函数以后，获得一个返回值，这些返回值放在一个结果列表中。

下面的例子是求两个列表对应元素的积，能够想象，这是一种可能会常常出现的情况，而若是不是用map的话，就要使用一个for循环，依次对每一个位置执行该函数。

 

Python函数式编程之map使用（多个seq）

 

 

 

 

 

Python

 

1	print map( lambda x, y: x * y, [1, 2, 3], [4, 5, 6] )  # [4, 10, 18]

 

上面是返回值是一个值的状况，实际上也能够是一个元组。下面的代码不止实现了乘法，也实现了加法，并把积与和放在一个元组中。

 

Python函数式编程之map使用（多个seq）

 

 

 

 

 

Python

 

1	print map( lambda x, y: ( x * y, x + y), [1, 2, 3], [4, 5, 6] )  # [(4, 5), (10, 7), (18, 9)]

 

还有就是上面说的func是None的状况，它的目的是将多个列表相同位置的元素归并到一个元组，在如今已经有了专用的函数zip()了。

 

Python函数式编程之map使用（func为None）

 

 

 

 

 

Python

 

1 2 3

print map( None, [1, 2, 3], [4, 5, 6] )  # [(1, 4), (2, 5), (3, 6)]   print zip( [1, 2, 3], [4, 5, 6] )  # [(1, 4), (2, 5), (3, 6)]

 

须要注意的是，不一样长度的多个seq是没法执行map函数的，会出现类型错误。

2.reduce()

格式：reduce( func, seq[, init] )

reduce函数即为化简，它是这样一个过程：每次迭代，将上一次的迭代结果（第一次时为init的元素，如没有init则为seq的第一个元素）与下一个元素一同执行一个二元的func函数。在reduce函数中，init是可选的，若是使用，则做为第一次迭代的第一个元素使用。

简单来讲，能够用这样一个形象化的式子来讲明：
reduce( func, [1, 2,3] ) = func( func(1, 2), 3)

下面是reduce函数的工做过程图：

举个例子来讲，阶乘是一个常见的数学方法，Python中并无给出一个阶乘的内建函数，咱们可使用reduce实现一个阶乘的代码。

 

Python函数式编程之reduce使用

 

 

 

 

 

Python

 

1 2	n = 5 print reduce(lambda x, y: x * y, range(1, n + 1))  # 120

 

那么，若是咱们但愿获得2倍阶乘的值呢？这就能够用到init这个可选参数了。

 

Python函数式编程之reduce使用

 

 

 

 

 

Python

 

1 2 3

m = 2 n = 5 print reduce( lambda x, y: x * y, range( 1, n + 1 ), m )  # 240