高阶函数

这篇博文主要介绍下python中特别重要的内置高阶函数filter()，map()，reduce()，以及它们的应用。其中也涉及了一些它们在python2与python3中的不同。

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迭代器。注意，在python2.x返回的是列表，在python3中返回为迭代器，有惰性运算的特性, 相对python2提升了性能, 可以节约内存。

语法

filter(function, iterable)

该函数接收两个参数，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 的元素保留。

参数

• function – 判断函数。
• iterable – 可迭代对象。

返回值

返回迭代器。

应用

def is_odd(n):
    return n % 2 == 1

new = filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(new)
print(new.__next__())
print(list(new))  # 列表化

1
<filter object at 0x04EA22F0>
[3, 5, 7, 9]

上面的例子很好的看出，filter函数将偶数过滤掉，返回了一个迭代器类型。

map()函数

map() 会根据提供的函数对指定序列做映射。

语法

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。

map(function, iterable, ...)

参数

• function 函数，有两个参数
• iterable 一个或多个序列

返回值

• Python 2.x 返回列表。
• Python 3.x 返回迭代器。

应用

先定义一个函数，用来计算平方数

def square(x):  # 计算平方数
    return x ** 2

使用map函数计算一个列表的每个元素的平方数，并返回对应迭代器。

m1=map(square, [1, 2, 3, 4, 5])
print(m1)
print(m1.__next__())

<map object at 0x051922F0>
1

使用 lambda 匿名函数，实现上面的功能。

m2=map(lambda x: x ** 2, [1, 2, 3, 4, 5])
print(m2)
print(m2.__next__())

<map object at 0x05209490>
1

提供了两个列表，对相同位置的列表数据进行相加

m3=map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
print(list(m3))

[3, 7, 11, 15, 19]

如果，两个列表长度不同，则返回长度为短的那个。

reduce()函数

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。

在python3中不在内置，不可以直接调用，需要先进行导入。

导入

from functools import reduce

语法

reduce(function, iterable[, initializer])

参数

• function – 函数，有两个参数
• iterable – 可迭代对象
• initializer – 可选，初始参数

应用

先定义个函数
def add(x, y):   # 两数相加
     return x + y

调用reduce计算累加和

reduce(add, [1,2,3,4,5])   # 计算列表和：1+2+3+4+5

>>>
15

使用 lambda 匿名函数，计算累乘

reduce(lambda x, y: x*y, [1,2,3,4,5])