python内置函数lambda、filter、map、reduce

lambda匿名函数

  1.lambda只是一个表达式,函数体比def简单多。

  2.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

  3.lambda函数拥有自己的命名空间,且不能访问自有参数列表之外或全局命名空间里的参数

  4.lambda语句中,冒号前是参数,可以有多个,用逗号隔开,冒号右边的返回值。

  5.lambda语句构建的其实是一个函数对象。

语法:

lambda函数的语法只包含一个语句

lambda [arg1 [,arg2,……argn]]:expression

"""
匿名函数有个限制,就是只能有一个表达式,不用写return,返回值就是该表达式的结果。
用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外,匿名函数也是一个函数对象,
也可以把匿名函数赋值给一个变量,再利用变量来调用该函数:
"""
应用:max,min,sorted,map,reduce,filter

  

例子: 

def foo(x):
    return x*x
print(foo(3))

f=lambda x:x*x
print(f(3))

# 包含多个参数
def foo(x,y):
    return x+y
print(foo(2,4))

f=lambda x,y:x+y
print(f(2,4))

lambda函数和普通的函数相比,就是省去了函数名称,同时这样的匿名函数,不能共享在别的地方调用,也有很多别的方法能够替代lambda。

优点:
1 省去定义函数的过程,快速定义单行的最小函数,让代码更加精简
2  不需要复用函数,无序定义函数名称

filter函数:过滤

filter函数会对指定序列过滤操作

filter(function or None,sequence)
filter函数会对序列参数sequence中的每个元素调用function函数,最后返回的结果包含调用结果为True的元素
注意:python3.x返回的是一个filter object(函数map也是),要加上list()等类型转换。

  

def foo(i):
    if i%2==0:
        return True
    else:
        return False
l=[1,2,3,4,5,6,7,8]
# l=filter(foo,l) # <filter object at 0x000001989DD296D8> 返回的是对象  
l=list(filter(foo,l))    # 类型转换
print(l)    # [2, 4, 6, 8]


# 和lambda结合使用
names=['tom_a','bob_a','amy_a','buer']
print(list(filter(lambda name:name.endswith('_a'),names)))

map函数:映射

map函数会对指定序列做映射操作

map(function or None,sequence)

map函数会对序列参数sequence中的每个元素调用function函数,返回结果为每一个元素调用function函数的返回值

def foo(i):
    return i**2
l=[1,2,3,4]
# l=map(foo,l)    # <map object at 0x0000021850F09780> 返回的是对象
l=list(map(foo,l))
print(l)

# 结合lambda使用
l=list(map(lambda x:x**2,l))
print(l)

reduce函数:合并

注意:reduce函数在3.x版本不是内置函数了,reduce()函数已经被从全局名称空间里移除了,它现在倍放置在functools模块里,用的话要先引入

from functools import reduce

reduce函数会对指定序列做迭代操作,reduce(function or None,sequence)

reduce函数中的function参数是一个有两个参数的函数,reduce依次从sequence中取一个元素,和上一次调用function的结果做参数再次调用function。

from functools import reduce
def foo(x,y):
    return x+y
l=[1,2,3,4,5]
l=reduce(foo,l)
print(l)


# 结合lambda使用
l=[1,2,3,4,5]
l=reduce(lambda x,y:x+y,l)
print(l)
原文地址:https://www.cnblogs.com/shenbuer/p/7848457.html