高阶函数 - map()、filter()、reduce()

什么是高阶函数？
目前，没有一个确定的定义~

一般，大家认为，一个函数可以接收另一个函数作为参数，那么这个函数就是“高阶函数”。

在 python 内置函数中，有一组常用的、操作可迭代对象的高阶函数：

• map()
• filter()
• reduce()

下面我们就以上函数，介绍它们的使用方法。

本文基于python3.9完成。

一、map()

1.1、语法

map(function, iterable, …)
接收两个参数：

map 函数，将传入的 function，依次作用于 iterable 的每个元素，并按照 iterable 的顺序，将对应结果组成一个新的迭代器返回。

可以使用 list()，将迭代器转换为列表。

1.2、使用示例
需求：求给出列表中，每一项对应的平方。

def square(x):
# 自定义求平方函数
return x * x

list_demo = [0, 1, 2, 3, 4]
result = map(square, list_demo) # 传入函数对象和可迭代对象，返回一个迭代器
result = list(result) # 通过list()取值
print(result)

输出：
[0, 1, 4, 9, 16]
通常，map() 函数结合匿名函数，可以一行代码完成以上功能：

print(list(map(lambda x: x * x, [0, 1, 2, 3, 4])))

输出：
[0, 1, 4, 9, 16]

二、filter()

2.1、语法

filter(function, iterable)
接收两个参数：

filter 函数，用于过滤序列，过滤掉 iterable 中不符合 function 判断条件的元素。
filter() 把传入的 function 依次作用于 iterable 的每个元素，然后根据 function 返回值 True 或 False，决定保留还是丢弃该元素。最后，将返回 True 的元素组成一个迭代器返回。

注意：参数 function，返回的是 True 或 False。所以，最终迭代器中的元素是符合条件的原序列元素。
区分 map() 函数，map返回的是原元素进行一系列操作后的结果。

2.2、使用示例

需求：获取给出列表中的偶数项。
def even(x):
# 查找偶数
if x % 2 == 0:
return True
return False

list_demo = [0, 1, 2, 3, 4]
result = filter(even, list_demo) # 传入函数对象和可迭代对象，返回一个迭代器
result = list(result) # 通过list()取值 print(result) 输出： [0, 2, 4]
通常，filter() 函数结合匿名函数，可以一行代码完成以上功能：

print(list(filter(lambda x: x % 2 == 0, [0, 1, 2, 3, 4])))
输出： [0, 2, 4]

三、reduce()

在 python2 中，reduce() 是一个全局函数，可以直接使用。
在 python3 里，reduce() 已经从全局名字空间移除，被放置在 fucntools 模块里。需要导入后使用：
from functools import reduce

3.1、语法

functools.reduce(function, iterable[, initializer])
接收三个参数：

reduce 函数，将 function 作用在 iterable 上，
首先将 iterable 中的第 1、2 个元素传入 function 进行操作，将得到的结果再与 iterable 的第三个元素传入 function 进行操作。
直到 iterable 的最后一个元素被传入function，最后得到一个返回结果。

如果传入了 initializer，那么首先传的就不是 iterable 的第一个和第二个元素，而是 initializer 和 iterable 的第一个元素。

3.2、使用示例

需求：求给出列表中，所有元素的和。
from functools import reduce
def sum_demo(x, y):
return x + y
list_demo = [0, 1, 2, 3, 4]
result = reduce(sum_demo, list_demo) # 传入函数对象和可迭代对象，返回一个值 print(result)

输出： 10
注意，最终返回的是一个值，不是迭代器！
通常，reduce() 函数结合匿名函数，可以一行代码完成以上功能：
from functools import reduce print(reduce(lambda x, y: x + y, [0, 1, 2, 3, 4])) 输出： 10
当然，求和运算可以直接用 python 内建函数 sum()，没必要动用 reduce。
print(sum([0, 1, 2, 3, 4])) 输出： 10

3.3、示例二

from functools import reduce
scientists = ({'name': 'Alan Turing', 'age': 105, 'gender': 'male'},
              {'name': 'Dennis Ritchie', 'age': 76, 'gender': 'male'},
              {'name': 'Ada Lovelace', 'age': 202, 'gender': 'female'},
              {'name': 'Frances E. Allen', 'age': 84, 'gender': 'female'})
def reducer(accumulator, value):
    sum = accumulator + value['age']
    return sum
total_age = reduce(reducer, scientists,0)
print(total_age)
print(sum(x['age'] for x in scientists))

a.按性别分组

from functools import reduce
scientists = ({'name': 'Alan Turing', 'age': 105, 'gender': 'male'},
              {'name': 'Dennis Ritchie', 'age': 76, 'gender': 'male'},
              {'name': 'Ada Lovelace', 'age': 202, 'gender': 'female'},
              {'name': 'Frances E. Allen', 'age': 84, 'gender': 'female'})
def group_by_gender(accumulator, value):
    accumulator[value['gender']].append(value['name'])
    return accumulator
grouped = reduce(group_by_gender, scientists, {'male': [], 'female': []})
print(grouped)

结果如下：
{‘male’: [‘Alan Turing’, ‘Dennis Ritchie’], ‘female’: [‘Ada Lovelace’, ‘Frances E. Allen’]}

文章引用：https://zhuanlan.zhihu.com/p/350197817