标签：map 函数 python res reduce test print lambda
一、匿名函数
# 语法:
# lanbda x : x + 1
# x 函数的形参
# x + 1 函数的返回值 = return
# 通常与其他函数联合使用，不应该独立存在
# 普通函数写法:
def calc(x):
return x+1
print(calc(2))
# 匿名写法（理解版）:
func = lambda x: x + 1
res = func(2)
print(res)
# 需求 把 name = 'alex'修改成 alex_sb
name = 'alex'
func = lambda a: str(a) +"_sb"
test = func(name)
print(test)
# lambda 多个返回值，需要加括号
a = 1
b = 2
c = 3
fun = lambda x,y,z:(x+1,y+1,z+1)
res = fun(a,b,c)
print(res)
二、map函数
1、map() 加工序列：
依次处理序列中的每一个元素，得到的结果是一个"列表"，该"列表"元素个数及位置与原来一样。
#1、功能：
map() ：会根据提供的函数，对指定序列做映射。
第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回
包含每次 function 函数返回值的新列表。
#2、语法：
map(function, iterable)
function -- 函数
iterable -- 一个或多个序列（可迭代对象）
#3、示例：
li1 = [0,1,2,3,4,5]
li2 = ['a','b','c','d']
def calc(num):
#'传入int类型，每个元素 + 1'
return num + 1
# 1、可自定义函数实现，第一个参数传入函数，第二个传入可迭代序列
# 注意定义后的函数，只传入函数名，不需要加括号。最终返回值需要 使用 list
# 或者其他数据类型进行转换，在python2中，会自动把结果输出成列表。
res1 = list(map(calc,li1))
# 2、可使用匿名函数做逻辑。
res2 = list(map(lambda x:x.upper(),li2))
print(res1)
print(res2)
# map实际上做的操作如下：（个人理解版）
test = [0,1,2,3,4,5]
def func_cover(iterb): #使用函数自定义一个元素自增1的功能
#自增1
return iterb + 1
def map_cover(func,iterb): #定义两个参数，func 为功能，iterb 为可迭代对象
li = []
for item in iterb: #使用for 循环拿取传入的可迭代对象
res = func(item) #使用自定义的功能 改造每次传入过来的迭代的元素，（这句最重要）
li.append(res) #把转换完成后的元素插入li列表中
return li #返回值 定义为转换完成的新列表
print(map_cover(func_cover,test))
print(map_cover(lambda x:x * 2,test))
三、filter函数
遍历序列中的每个元素，判断每个元素得到的布尔值，如果是true 则留下来。
#内置函数：filter()
#1、功能：
filter() 用于 过滤序列
作用是：过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使
用 list() 来转换。该接收两个参数，第一个为函数，第二个为序列序列的每个元素作为
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。
#2、语法
filter(function, iterable)
#3、参数：
function -- 判断函数。
iterable -- 可迭代对象
#4、示例：
# 迭代判断，判断结果为 True 的话，取出来放到新列表中，反之不放。
li1 = [1,2,3,4,5]
li2 = ['a_a','a_b','cc','a_d','ee']
li3 = [1,2,3,4,5,'a_a','a_b','cc','a_d','ee']
# 1、奇数判定 不能被 2 整除的拿出来
filist1 = list(filter(lambda x:not x%2 == 0,li1))
print(filist1)
# 2、取出开头为 a 的元素
filist2= list(filter(lambda x:x.startswith('a'),li2))
print(filist2)
#5、其他玩法：
people = [
{'name':'欧阳锋','age':1000},
{'name':'郭靖','age':10000},
{'name':'黄蓉','age':9000},
{'name':'洪七公','age':18},
]
res = list(filter(lambda x:x['age'] <= 18,people)) #小于等于18的筛选出来
print(res)
四、reduce函数
处理一个序列，然后把序列进行合并操作
内置函数：reduce()
注意：Python3.x reduce() 已经被移到 functools 模块里，如果我们要使用
需要引入 functools 模块来调用 reduce() 函数，调用方法如下：
from functools import reduce
#1、功能：
reduce() 函数会对参数序列中元素进行累积，用 function 函数运算，最后得到一个结果
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中
的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与
第三个数据用 function 函数运算，最后得到一个结果。
#2、语法：
reduce(function, iterable[, initializer])
#3、参数
function -- 函数，有两个参数
iterable -- 可迭代对象
initializer -- 可选，初始参数
# 4、返回值
返回函数计算结果。
# from funnctools import reduce
# 在python2中可以直接用，python3中需要 如上调用。
# 3、示例：使用高阶函数来完成reduce功能（个人理解版）
li = [1,2,3,100]
def add_test(x,y):
return x+y
def reduce_test(func,iterb,init=None): # 默认init 等于空，增加起始值功能
if init is None: #判断执行函数时是否传入，默认参数
res = iterb.pop(0) #如果没传，使用pop 拿到序列第一位的值 作为起始值
else:
res = init #如果传入，起始值为 init
for item in iterb: #判断完成后，循环传入的序列
res = func(res,item)#把得到的res 与 item 使用传入的功能进行加工
return res #返回加工后的 值
res1 = reduce_test(add_test,li) #使用函数自定义功能
res2 = reduce_test(lambda x,y:x*y,li,10) #使用lambda自定义功能，并初始值为10
print(res1)
print(res2)
# 4、使用reduce来完成：
from functools import reduce
def add_test(x,y): #使用函数定义一个序列每个元素相加功能。
return x+y
li = [1,2,3,100] #注意，reduce得到的值为序列累加的和，所以不需要将输出结果
#转化为列表，如：res1 = reduce(add_test,li,10)
res1 = reduce(add_test,li,10) #使用自定义函数，并将初始值设置为 10
res2 = reduce(lambda x,y:x*y,li)# 使用lambda函数定义 序列每个元素累计相乘功能。
print(res1)
print(res2)
# 5、其他玩法 配合 range
from functools import reduce
print(reduce(lambda x,y:x+y,range(100),1)) # 99以内的数累加,起始值 为 1
print(reduce(lambda x,y:x+y,range(1,101))) # 1-100所有数的和
标签：map,函数,python,res,reduce,test,print,lambda 来源： https://www.cnblogs.com/monsters96/p/15851041.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。