实用高阶函数map，reduce，filter

map函数

来看一下map函数的参数与返回值

map(func, *iterables) --> map object

func：代表传入参数为函数，这里的函数指定指向函数的函数名，
*iterables：代表参数指定的可迭代的,
返回值：返回处理好的数据
map()函数：是将传入的func函数作用于，可迭代的数据里面每个元素，并将处理好的新的结果返回

 

>>> def fun_a(x):
...   return x * 10
...
>>> list_a = map(fun_a, [1, 2, 3, 4, 5])
>>> list(list_a)
[10, 20, 30, 40, 50]

map() 传入的第一个参数是 fun_a ，即函数对象本身。

print(map(str, [1, 2, 3, 4, 5]))

打印结果为: 

所以要将其转化为list类型

很多情况下，也可以使用for循环也可以解决问题，但实际上map作为高级函数，将运算抽象化，还可计算复杂的函数，例如将列表的元素int类型转换为int类型，只需要一行代码：

>>> list(map(str, [1, 2, 3, 4, 5]))
['1', '2', '3', '4', '5']

reduce函数

注意使用reduce函数时需要先导入，reduce函数是在 functools模块里面的；

from functools import reduce
reduce(function, sequence[, initial]) -> value

function:一个有两个参数的函数
sequence:是一个序列，是一些数据的集合，或者是一组数据，可迭代对象
initial：可选，初始参数
返回值：返回函数计算的结果
reduce()函数,使用function函数（有两个参数）先对集合中的sequence第 1、2 个元素进行操作，如果存在
initial参数，则将会以sequence中的第一个元素和initial作为参数，用作调用，得到的结果再与sequence中的
下一个数据用 function 函数运算，最后得到一个结果。

from functools import reduce
list_a = [1, 2, 3, 4, 5]
def fun_b(x, y):
  return x + y
print(reduce(fun_b, list_a))
# 运算结果如下
15

 依次按照顺序从列表list_a中提取两个元素作为参数，进入fun_b中进行运算，得到的结果，作为下次运算时的其中一个参数，再从列表中取出一个元素，再进行运算。最终得到的结果是总和的计算。

filter函数

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
但是不同的是 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 决定元素的保留与丢弃；
看一下filter的参数：

filter(function, iterable)

function：判断函数。
iterable：序列，（可迭代对象）。
返回值：返回列表
filter函数，序列（可迭代对象）的每个元素作为参数传递给函数进行判断，然后返回 True 或 False，最后将返回 True 的元素放到新列表中 。

 

def not_odd(num):
  return n % 2 == 0
newlist = filter(not_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(list(newlist))    # 否则为对象
# 运算结果
[2, 4, 6, 8, 10]

这里filter函数的两个参数第一个是过滤方法，第二个是需要过滤的列表，将列表里面的元素依次带入函数中进行运算，得到的结果如果为True时，将此结果作为新的filter对象保留，等待函数里面的列表执行完成后，返回最终的值，这里的值为列表，也就是过滤掉了False的数据或元素。