Python中号称神仙的六个内置函数详解

目录

• Lambda 函数
• Map 函数
• Reduce函数
• enumerate 函数
• Zip 函数
• Filter 函数

人生苦短，菜鸟学Python！

今天，我们会一次性分享6个堪称神仙的内置函数。在很多计算机书籍中，它们也通常作为高阶函数来介绍。而我自己在日常工作中，经常使用它们来使代码更快，更易于理解。

Lambda 函数

Lambda函数用于创建匿名函数，即没有名称的函数。它只是一个表达式，函数体比def简单很多。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了。

lambda [arg1 [,arg2,.....argn]]:expression

lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。例如：

lambda x: x+2

如果我们也想像def定义的函数随时调用，可以将lambda函数分配给这样的函数对象。

add2 = lambda x: x+2
add2(10)

输出结果：

利用Lambda函数，可以将代码简化很多，具体再举个例子。

如上图所示，结果列表newlist是使用lambda函数用一行代码生成的。

Map 函数

map()函数会将一个函数映射到一个输入列表的所有元素上。

map(function,iterable)

比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表colors中的所有元素。

def makeupper(word):
    return word.upper()
colors=['red','yellow','green','black']
colors_uppercase=list(map(makeupper,colors))
colors_uppercase

输出结果：

此外，我们还可以使用匿名函数lambda来配合map函数，这样可以更加精简。

colors=['red','yellow','green','black']
colors_uppercase=list(map(lambda x: x.upper(),colors))
colors_uppercase

如果我们不用Map函数的话，就需要使用for循环。

如上图所示，在实际使用中Map函数会比for循环依次列表元素的方法快1.5倍。

Reduce函数

当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数。举个例子，当需要计算一个整数列表所有元素的乘积时，即可使用reduce函数实现。[1]

它与函数的最大的区别就是，reduce()里的映射函数（function）接收两个参数，而map接收一个参数。

reduce(function, iterable[, initializer])

接下来我们用实例来演示reduce()的代码执行过程。

from functools import reduce
def add(x, y) :   # 两数相加
    return x + y
numbers = [1,2,3,4,5]
sum1 = reduce(add, numbers)   # 计算列表和

得到结果sum1 = 15，其代码执行过程如下方动图所示。

▲代码执行过程动图

结合上图我们会看到，reduce将一个相加函数add()作用在一个列表[1,2,3,4,5]上，映射函数接收了两个参数，reduce()把结果继续和列表的下一个元素做累加计算。

此外，我们同样可以使用匿名函数lambda来配合reduce函数，这样可以更加精简。

from functools import reduce
numbers = [1,2,3,4,5]
sum2 = reduce(lambda x, y: x+y, numbers)

得到输出sum2= 15，与之前结果保持一致。

需要注意：Python3.x开始reduce()已经被移到functools模块里[2]，如果我们要使用，需要用from functools import reduce导入.

enumerate 函数

enumerate()函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中。它的语法如下所示：

enumerate(iterable, start=0)

它的两个参数，一个是序列、迭代器或其他支持迭代对象；另一个是下标起始位置，默认情况从0开始，也可以自定义计数器的起始编号。

colors = ['red', 'yellow', 'green', 'black']
result = enumerate(colors)

如果我们有一个存放colors的颜色列表，运行后就会得到一个enumerate(枚举) 对象。它可以直接在for循环中使用，也可以转换为列表，具体用法如下所示。

for count, element in result:
    print(f"迭代编号:{count},对应元素:{element}")

Zip 函数

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[3]。

我们还是用两个列表作为例子演示：

colors = ['red', 'yellow', 'green', 'black']
fruits = ['apple', 'pineapple', 'grapes', 'cherry']
for item in zip(colors,fruits):
    print(item)

输出结果：

当我们使用zip()函数时，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。

prices =[100,50,120]
for item in zip(colors,fruits,prices):
    print(item)

Filter 函数

filter()函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表，其语法如下所示[4]。

filter(function, iterable)

比如举个例子，我们可以先创建一个函数来检查单词是否为大写，然后使用filter()函数过滤出列表中的所有奇数：

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

输出结果：

今天分享的这6个内置函数，在使用 Python 进行数据分析或者其他复杂的自动化任务时非常方便。

到此这篇关于Python中号称神仙的六个内置函数的文章就介绍到这了,更多相关python内置函数内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！