作者 :“大数据小禅”
高级知识点:介绍匿名函数lambda,高阶函数map,reduce,filter,sorted的使用
什么是匿名函数? 匿名函数,顾名思义就是没有名字的函数,在程序中不用使用def进行定义,可以直接使用lambda关键字编写简单的代码逻辑。lambda本质上是一个函数对象,可以将其赋值给另一个变量,再由该变量来调用函数,也可以直接使用。**
平时,我们是先定义函数,再进行调用:
def power(x):
return x ** 2
print(power(2))
使用lambda表达式的时候,我们可以这样操作
power = lambda x : x ** 2 #前面的x表示函数的一个入参,后面的是表示对入参的一个运算
print(power(2))
输出:
4
觉得太麻烦,还可以这样调用
print((lambda x: 2 * x)(8))
输出:16
lambda 入参 : 表达式 入参可以有多个,比如
power = lambda x, n: x ** n
print(power(2, 3))
一般适用于创建一些临时性的,小巧的函数。比如上面的 power函数,我们当然可以使用 def来定义,但使用 lambda 来创建会显得很简洁,尤其是在高阶函数的使用中。
定义一个函数,传入一个list,将list每个元素的值加1
def add(l = []):
return [x +1 for x in l]
print(add([1,2,3]))
输出:
【2,3,4】
上面的函数改成将所有元素的值加2 可能大家会说,这还不简单,直接把return里的1改成2就行了。但是真的行吗?如果函数被多个地方使用,而其他地方并不想加2,怎么办?这好办,把变得那部分抽出来,让调用者自己传.
def add(func,l = []):
return [func(x) for x in l]
def add1(x):
return x+1
def add2(x):
return x+2
print(add(add1,[1,2,3]))
print(add(add2,[1,2,3]))
输出:
[2, 3, 4]
[3, 4, 5]
一个简简单单的问题,一定要用这么多代码实现?
def add(func,l = []):
return [func(x) for x in l]
print(add(lambda x:x+1,[1,2,3]))
print(add(lambda x:x+2,[1,2,3]))
*map的基本格式 map(func, iterables)
map()函数接收两个以上的参数,开头一个是函数,剩下的是序列,将传入的函数依次作用到序列 的每个元素,并把结果作为新的序列返回。也就是类似map(func,[1,2,3]) 同样的,我们还是来完成这样一个功能:将list每个元素的值加1
def add(x):
return x + 1
result = map(add, [1, 2, 3, 4]) #等于是对后面的序列都执行了add的操作
print(type(result))
print(list(result)) #不加这个list进行转化的话会输出:
输出:
<class 'map'>
[2, 3, 4, 5]
使用lambda表达式简化操作
result = map(lambda x: x + 1, [1, 2, 3, 4])
print(type(result))
print(list(result))
使用map函数,将两个对应位置求和,之后返回,也就是对[1,2,3],[4,5,6]两个序列进行操作之后,返回结果[5,7,9]。
print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5, 6])))
输出:
[5, 7, 9]
对于两个序列元素个数一样的,相对好理解。如果两个序列个数不一样的,会不会报错?
print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5])))
输出:
【5,7】
我们可以看到不会报错,但是结果以个数少的为准
reduce函数的基本格式
reduce(function, sequence, initial=None)
reduce把一个函数作用在一个序列上,这个函数必须接收两个参数,reduce函数把结果继续和序列的下一个元素做累积计算,跟递归有点类似,reduce函数会被上一个计算结果应用到本次计算中。
reduce(func, [1,2,3]) = func(func(1, 2), 3) #意思是会先计算1跟2的结果并且运用到下一次的计算中
使用reduce函数,计算一个列表的乘积
from functools import reduce
def func(x, y):
return x * y
print(reduce(func, [1, 2, 3, 4])) #1*2,2*3,6*4
输出:
24
from functools import reduce
def func(x, y):
return x * y
print(reduce(func, [1, 2, 3, 4],2)) #后面的那个2是初始值,不用写initial=2,直接写2就好,计算的结果是48,计算过程,初始值2会先跟1相乘,之后结果2跟2相乘,依次累加
结合lambda表达式,简化操作
from functools import reduce
print(reduce(lambda x, y: x * y, [1, 2, 3, 4]))
filter顾名思义是过滤的意思,带有杂质的(非需要的数据),经过filter处理之后,就被过滤掉。
filter函数的基本格式
filter(function_or_None, iterable)
filter()接收一个函数和一个序列。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决定保留还是丢弃该元素。 使用filter函数对给定序列进行操作,最后返回序列中所有偶数
print(list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5])))
输出:
【2,4】
orted从字面上就可以看去这是个用来拍序的函数,sorted 可以对所有可迭代的对象进行排序操作
sorted的基本格式:
sorted(iterable, key=None, reverse=False)
iterable -- 可迭代对象。
key -- 主要是用来进行比较的元素,只有一个参数,具体的函数的参数就是取自于可迭代对象中,指
定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则,reverse = True 降序 , reverse = False 升序(默认)。
print(sorted([1, 6, 4, 5, 9]))
print(sorted([1, 6, 4, 5, 9], reverse=True))
data = [["Python", 99], ["c", 88]]
print(sorted(data, key=lambda item: item[1])) #item: item[1])定位到后面那个数字,根据后面那个数字进行排序,不指定的话就是按照第一个数字的大小进行排序。key=lambd这样子就表示把这个大的列表中的小的一个列表,作为item,去传入我们的匿名表达式,item不是关键字,可以更改
#输出:
[['c', 88], ['Python', 99]]