python中filter,map,reduce的作用

一、map函数

作用：map主要作用是计算一个序列或者多个序列进行函数映射之后的值

语法：map(function,iterable1,iterable2)

说明：function中参数值可以是一个，也可以是多个；iterable代表function运算中的参数值，有几个参数值就传入几个iterable

注意：1.迭代器需要进行列表转换 2.map中如果传入的序列长度不一，会依据最短的序列计算

1. lambda函数

x=[1,2,3,4]
y=[5,6,7,8]
print(list(map(lambda x,y:(x+y),x,y)))

输出结果：

[6, 8, 10, 12]

2. 自定义函数

def m_num(x,y):
   return  x+y
print(list(map(m_num,x,y)))

输出结果：

[6, 8, 10, 12]

思路：

把列表1中的元素与列表2中元素依次相加

1+5
2+6
3+7
4+8

二、filter函数

作用：filter主要作用是过滤掉序列中不符合函数条件的元素

语法：fliter(function,sequence)

说明：function可以是匿名函数或者自定义函数，可以对后面的sequence序列的每个元素判定是否符合条件；sequence可以是列表、元组或者字符串

1. lambda函数

num = [2,3,6,9,90,23,88]
#输出的是filter对象 <filter object at 0x00000113BF8C7390>
print(filter(lambda x:x>10,num))
#需要转成list [90, 23, 88]
print(list(filter(lambda x:x>10,num)))

输出结果：

<filter object at 0x00000113BF8C7390>
[90, 23, 88]

注意：迭代器需要进行列表转换

2. 自定义函数

def fil_num(x):
   return x>10

print(list(filter(fil_num,num)))

思路：

把列表中不需要的元素去掉，那首先要确定要过滤得条件是什么

三、reduce函数

作用：reduce是对一个序列进行计算，结果只得到一个值

语法：reduce(function,iterable)

说明：function中必须传入两个参数，iterable可以是列表或者元组

注意：reduce使用前需要导包 from functools import reduce

1. lambda函数

from functools import reduce
x=[1,2,3,4,5]
print(reduce(lambda x,y:(x*y),x))

2. 自定义函数

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

思路：

对一个列表里的元素做计算，从左到右依次计算两个元素，将得到得值跟下一个元素计算

12 = 2
23 = 6
64 = 24
245 = 120

来源：https://blog.csdn.net/weixin_44688529/article/details/125201370