Python常见内置高阶函数即高阶函数用法
目录
- 1.什么是高阶函数?
- 2.高阶函数-map、filter、reduce
- 2.1map函数
- 2.2filter函数
- 2.3reduce函数
1.什么是高阶函数?
高阶函数:一个函数可以作为参数传给另外一个函数,或者一个函数的返回值为另外一个函数(若返回值为该函数本身,则为递归),满足其一则为高阶函数。
参数为函数:
#参数为函数 def bar(): print("in the bar..") def foo(func): func() print("in the foo..") foo(bar)
返回值为函数:
#返回值为函数 def bar(): print("in the bar..") def foo(func): print("in the foo..") return bar res=foo(bar) res()
以上两个示例中,函数foo()
为高阶函数,示例一中函数bar作为foo的参数传入,示例二中函数bar作为foo的返回值。
注:函数名(例如bar 、foo)-->其为该函数的内存地址;函数名+括号(例如 bar()、foo() )-->调用该函数。
2.高阶函数-map、filter、reduce
这三个函数均为高阶函数,其也为Python内置的函数。接下来我们看一下这三个函数的用法以及其内部原理是怎样的:
2.1map函数
map函数接收的是两个参数,一个函数,一个序列,其功能是将序列中的值处理再依次返回至列表内。其返回值为一个迭代器对象--》例如: <map object at 0x00000214EEF40BA8>
。
其用法如图:
接下来我们看一下map函数的机制是怎么样的:
num=[1,2,3,4,5] def square(x): return x**2 #map函数模拟 def map_test(func,iter): num_1=[] for i in iter: ret=func(i) # print(ret) num_1.append(ret) return num_1.__iter__() #将列表转为迭代器对象 #map_test函数 print(list(map_test(square,num))) #map函数 print(list(map(square,num))) #当然map函数的参数1也可以是匿名函数、参数2也可以是字符串 print(list(map_test(lambda x:x.upper(),"amanda"))) print(list(map(lambda x:x.upper(),"amanda")))
2.2filter函数
filter函数也是接收一个函数和一个序列的高阶函数,其主要功能是过滤。其返回值也是迭代器对象,例如: <filter object at 0x000002042D25EA90>,
其图示如下:
接下来我们看一下filter函数的用法以及其机制是怎么样的:
names=["Alex","amanda","xiaowu"] #filter函数机制 def filter_test(func,iter): names_1=[] for i in iter: if func(i): #传入的func函数其结果必须为bool值,才有意义 names_1.append(i) return names_1 #filter_test函数 print(filter_test(lambda x:x.islower(),names)) #filter函数 print(list(filter(lambda x:x.islower(),names)))
2.3reduce函数
reduce
函数也是一个参数为函数,一个为可迭代对象的高阶函数,其返回值为一个值而不是迭代器对象,故其常用与叠加、叠乘等,
图示例如下:
实例如下:
#reduce函数不是内置函数,而是在模块functools中的函数,故需要导入 from functools import reduce nums=[1,2,3,4,5,6] #reduce函数的机制 def reduce_test(func,array,ini=None): #ini作为基数 if ini == None: ret =array.pop(0) else: ret=ini for i in array: ret=func(ret,i) return ret #reduce_test函数,叠乘 print(reduce_test(lambda x,y:x*y,nums,100)) #reduce函数,叠乘 print(reduce(lambda x,y:x*y,nums,100))
到此这篇关于Python常见内置高阶函数即敢接函数用法的文章就介绍到这了,更多相关Python高阶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!
赞 (0)