• 07 Python中zip(),map(),filter(),reduce()用法


    一. zip()

    zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。
    
    如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。

      示例:

    1 >>>a = [1,2,3]
    2 >>> b = [4,5,6]
    3 >>> c = [4,5,6,7,8]
    4 >>> zipped = zip(a,b)     # 打包为元组的列表
    5 [(1, 4), (2, 5), (3, 6)]
    6 >>> zip(a,c)              # 元素个数与最短的列表一致
    7 [(1, 4), (2, 5), (3, 6)]
    8 >>> zip(*zipped)          # 与 zip 相反,*zipped 可理解为解压,返回二维矩阵式
    9 [(1, 2, 3), (4, 5, 6)]

    二.map()

      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。

     1 map(function,iterable,...)
     2 
     3 
     4 def square(x) :            # 计算平方数
     5      return x ** 2
     6 
     7 map(square, [1,2,3,4,5])   # 计算列表各个元素的平方
     8 [1, 4, 9, 16, 25]
     9 map(lambda x: x ** 2, [1, 2, 3, 4, 5])  # 使用 lambda 匿名函数
    10 [1, 4, 9, 16, 25]
    11  
    12 # 提供了两个列表,对相同位置的列表数据进行相加
    13 map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
    14 [3, 7, 11, 15, 19]

    三.filter()

      filter()函数用于过滤序列,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,然后返回 True 或 False,最后将返回 True 的元素放到新列表中。

    1 filter(function,iterable)
    2 
    3 def is_odd(n):
    4     return n % 2 == 1
    5  
    6 tmplist = filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
    7 newlist = list(tmplist)
    8 print(newlist)

    四.reduce()

      函数会对参数序列中元素进行累积。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。

     1 reduce(function, [iterable, initializer])
     2 
     3 
     4 def add(x, y) :            # 两数相加
     5      return x + y
     6  
     7 reduce(add, [1,2,3,4,5])   # 计算列表和:1+2+3+4+5
     8 15
     9 reduce(lambda x, y: x+y, [1,2,3,4,5])  # 使用 lambda 匿名函数
    10 15
  • 相关阅读:
    运用Python计算Π的多少(大致计算)
    运用python绘制小猪佩奇
    博客园使用指南 wiki
    博客园 — 打赏功能
    新SSM框架整合
    springMVC
    Eclipse转IDEA的配置!!
    Java学习小知识总结
    java-StringBuffer
    博客园自定义主题
  • 原文地址:https://www.cnblogs.com/a2534786642/p/11014469.html
Copyright © 2020-2023  润新知