Python 中的 map, filter 和 reduce 及示例

2024 年 8 月 29 日 | 阅读 12 分钟

Python 流

Python 流（stream）是指一种特殊的数据处理范式，它涉及对数据项在通过一系列处理过程时进行的顺序处理。 流允许数据处理是连续的、有效的且内存友好的，而无需将整个数据集加载到内存中。

Python 中的 map、filter 和 reduce 函数是作用于数据序列（如列表或其他可迭代对象）的高阶函数。流可以与这些方法结合使用。借助这些函数，您可以快速有效地分析序列元素上的典型数据。

什么是函数式编程？

函数式编程是一种编程范式，它将计算视为数学函数的求值，并避免更改状态和可变数据。

在函数式编程中，函数是头等公民，这意味着它们可以被赋值给变量，作为参数传递给其他函数，并作为值从其他函数返回。

函数式编程强调不变性，即一旦赋值，值就不能被更改，并且它避免了副作用，即影响函数结果（超出其返回值）的状态或行为的更改。

在 Python 中，可以通过多种特性和工具实现函数式编程，例如：

1. 高阶函数 - Python 允许将函数赋值给变量、将函数作为参数传递以及将函数作为值返回。高阶函数是指接受其他函数作为参数或返回其他函数作为结果的函数，并可因此作为结果。 通过高阶函数可以实现强大的函数式编程技术，如将函数作为参数传递、从函数返回函数以及动态创建函数。

# Example of using higher-order functions in Python
# Function that adds 1 to the passed value (x)
def add(x):
    return x + 1

# Function that multiplies the passed value (x) by 2
def multiply(x):
    return x * 2

# Function that applies another function on passed value (x)
def apply(func, x):
    return func(x)

result1 = apply(add, 3)  # Result: 4
result2 = apply(multiply, 3)  # Result: 6

2. Lambda 函数 - Lambda 函数，也称为匿名函数，可以在不要求正式函数声明的情况下内联定义，是简短的一次性使用的函数。 它们对于执行只需要一行代码即可传达的单个任务很有用。

# Example of using lambda functions in Python
# Lambda function that adds 1 to x
add = lambda x: x + 1

# Lambda function that multiplies x by 2
multiply = lambda x: x * 2

result1 = add(3)  # Result: 4
result2 = multiply(3)  # Result: 6

3. map, filter, 和 reduce - Map、Filter 和 Reduce 是 Python 的内置函数，可用于函数式编程任务。 借助这些操作，您可以使用 'map' 将特定函数应用于序列项，使用 'filter' 根据条件过滤序列元素，并使用 'reduce' 累积地聚合元素。

# Example of using map, filter, and reduce in Python
data = [1, 2, 3, 4, 5]

# Using the map to apply a function to each element
# Lambda function returns the square of x
result1 = map(lambda x: x * 2, data)  # Result: [2, 4, 6, 8, 10]

# Using the filter to filter elements based on a condition
# Lambda function returns True for an even number
result2 = filter(lambda x: x % 2 == 0, data)  # Result: [2, 4]

# Using reduce to aggregate elements
# Lambda function returns product of x and y
from functools import reduce
result3 = reduce(lambda x, y: x * y, data)  # Result: 120

4. 列表推导式 - Python 支持列表推导式，这是一种简单且富有表现力的方法，可以从旧列表构建新列表。 可以使用列表推导式实现映射、过滤和聚合等函数式编程技术。

# Example of using list comprehensions in Python
data = [1, 2, 3, 4, 5]

# Using list comprehension to apply a function to each element
result1 = [x * 2 for x in data]  # Result: [2, 4, 6, 8, 10]

# Using list comprehension to filter elements based on a condition
result2 = [x for x in data if x % 2 == 0]  # Result: [2, 4]

# Using list comprehension to aggregate elements
result3 = reduce(lambda x, y: x * y, data)  # Result 120

让我们深入探讨 Python 中的 map()、filter() 和 reduce() 函数。

1. map() - Python 的 map() 方法将指定的函数应用于可迭代对象（如列表、元组或字符串）的每个项，然后返回一个包含结果的新可迭代对象。

map() 的语法如下：map(function, iterable)

传递给 map 函数的第一个参数本身是一个函数，第二个参数是一个可迭代对象（元素序列），例如列表、元组、集合、字符串等。

示例 1 - map() 的用法

# Using map() to square each element of the data list
data = [1, 2, 3, 4, 5]

# Map function returns the map object
squares = map(lambda x: x*x, data)

# Iterating the elements of the squares
for i in squares:
    print(i, end=" ")

# Also, we can convert the map object into a list
squares = list(map(lambda x: x*x, data))
print(f"Squares: {squares}")

输出

1, 4, 9, 16, 25
Squares: [1, 4, 9, 16, 25]

在这里，map 函数从数据（从 x = 1 开始）中逐个获取每个元素。每个元素都传递给 lambda 函数，返回其平方。返回的值存储在 map 对象（一个可迭代对象）中。

示例 2

众所周知，输入值始终是字符串。对于单值输入，我们可以使用 'int' 函数将其转换为整数，使用 'float' 函数将其转换为浮点数。但对于流式输入，我们可以使用 map() 函数来实现。

# Using map() to convert each element into an integer
data1 = list(map(int, input("Enter integer values: ").split()))

# Printing the data1 values
print(f"Integer data = {data1}")

# Using map() to convert each element into a float
data2 = list(map(float, input("Enter Floating values: ").split()))

# Printing the data2 values
print(f"Float data = {data2}")

输出

Enter integer values: 24 5 6 84 2 6
Integer data = [24, 5, 6, 84, 2, 6]
Enter Floating values: 25.4 2.6 1.9 0.6 3 5
Float data = [25.4, 2.6, 1.9, 0.6, 3.0, 5.0]

示例 3：传递多个可迭代对象

给定两个列表。一个包含基值，另一个包含幂值。您需要找到第一个列表中每个 x 和第二个列表中每个 y 的 x**y。

# Python to demonstrate how to pass multiple iterables
# in the map function
# List that contains base values
base = [2, 4, 6, 8, 10]

# List that contains exponents
power = [1, 2, 3, 4, 5]

# Storing the list of x**y
answer = list(map(pow, base, power))

# Printing the result
print("Answer:", answer)

输出

Answer: [2, 16, 216, 4096, 100000]

如我们所知，pow(x, y) 接受两个参数并返回 x**y。在上面的示例中，map 函数依次从 base 和 power 中取一个元素，并将它们传递给 pow 函数，直到所有元素都被处理完毕。最后，它返回一个 map 对象，该对象随后被类型转换为列表并存储在名为 'answer' 的变量中。

2. filter() - Python 的 filter() 函数根据给定的条件或函数过滤可迭代对象中的元素，并返回一个包含过滤后元素的新可迭代对象。

filter() 的语法如下：filter(function, iterable)

这里，传递给 filter 函数的第一个参数本身是一个函数，第二个参数是一个可迭代对象（元素序列），例如列表、元组、集合、字符串等。

示例 1 - filter() 的用法

给出一个整数列表，应从中过滤出偶数。

# Using filter() to filter even numbers from a list
data = [1, 2, 3, 4, 5]

# The filter function filters the even numbers from the data
# and returns a filter object (an iterable)
evens = filter(lambda x: x % 2 == 0, data)

# Iterating the values of evens
for i in evens:
    print(i, end=" ")

# We can convert the filter object into a list as follows:
evens = list(filter(lambda x: x % 2 == 0, data))

# Printing the evens list
print(f"Evens = {evens}")

输出

2 4
Evens = [2, 4]

示例 2：过滤完全平方数

给出一个随机整数列表，应从中过滤出完全平方数。完全平方数是指可以表示为同一个整数的乘积的数字。

# Python to demonstrate usage of filter function
from math import sqrt

# List that contains random integer values
data = [0, 1, 4, 6, 8, 9, 10, 12, 16, 81, 23, 36]

# Function that returns true for perfect squares
def isPerfectSqr(i):
    return sqrt(i).is_integer()

# Storing the result
answer = list(filter(isPerfectSqr, data))

# Printing the result
print("Answer: ", answer)

输出

Answer:  [0, 1, 4, 9, 16, 81, 36]

在上面的示例中，我们有一个包含一些随机整数的数据列表。'isPerfectSqr' 函数对于完全平方数返回 True，对于其他数字返回 False。filter 函数从数据中过滤出是完全平方数的数字，并返回一个包含这些完全平方数的可迭代对象。最后，我们将结果转换为列表并打印到控制台。

示例 3：过滤出以 H 开头的姓名

给出一个包含人名的列表，您应该过滤出以字母 'H' 开头的姓名。以下是问题解决方案

# Method 1

# Using filter() to filter names starting with letter H
# A list containing names
names = ["Arun", "Sonu", "Harsh", "Harry", "Anu", "Hassi"]

# The filter function filters the name from the names
# and returns a filter object (an iterable)
# We can convert the filter object into a list as follows:
name_start_with_H = list(filter(lambda x: x[0] == 'H', names))

# Printing the name_start_with_H list
print(f"Method 1 result = {name_start_with_H}")

# Method 2

# We can also use a function instead of lambda function
# The H_name function returns true if x (name) starts with 'H'
def H_name(x):
    return x[0] == 'H'

# Filtering the result and printing it into the console
name_start_with_H = list(filter(H_name, names))
print(f"Method 2 result = {name_start_with_H}")

输出

Method 1 result = ['Harsh', 'Harry', 'Hassi']
Method 2 result = ['Harsh', 'Harry', 'Hassi']

在上面的示例中，lambda 函数或 H_name 函数对于 names 中以字母 H 开头的每个 x 返回 true。filter 函数过滤所有满足条件的姓名。

3. reduce() - 在 Python 中，reduce() 是一个内置函数，它将给定函数应用于可迭代对象的元素，将它们缩减为单个值。

reduce() 的语法如下：reduce(function, iterable[, initializer])

function 参数 是一个函数，它接受两个参数并返回一个单一值。第一个参数是累积值，第二个参数是来自可迭代对象的当前值。

iterable 参数是要缩减的值的序列。

可选的 initializer 参数用于为累积结果提供初始值。如果未指定 initializer，则使用可迭代对象的第一个元素作为初始值。

这是一个演示如何使用 reduce() 计算数字列表之和的示例

示例 1

给出一个包含一些整数的列表，您应该使用 reduce 函数找到列表中所有元素的总和。以下是问题解决方案

# Examples to understand the reduce() function
from functools import reduce

# Function that returns the sum of two numbers
def add(a, b):
    return a + b

# Our Iterable
num_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# add function is passed as the first argument, and num_list is passed as the second argument
sum = reduce(add, num_list)
print(f"Sum of the integers of num_list : {sum}")

# Passing 10 as an initial value
sum = reduce(add, num_list, 10)
print(f"Sum of the integers of num_list with initial value 10 : {sum}")

输出

Sum of the integers of num_list : 55
Sum of the integers of num_list with initial value 10 : 65

在上面的示例中，reduce 函数在第一次迭代中从 num_list 中取出两个元素 1 和 2，并将它们传递给 add 函数。add 函数返回 1 和 2 的和，即 3。在第二次迭代中，reduce 函数传递上一次调用的结果（即 3）和下一个元素（也是 3）。此过程一直重复，直到所有元素都被处理。

在传递初始值 (10) 的情况下，reduce 函数在第一次迭代中从 num_list 中取一个元素和初始值 (10)，并将它们传递给 add 函数。

示例 2：将 operator 函数与 reduce 函数一起使用

在下面的示例中，我们使用 operator.add 执行加法，operator.mul 执行乘法，operator.concat 执行字符串连接。

# Python program to demonstrate
# how to use operator functions with reduce function

# Importing reduce function
from functools import reduce

# Importing operator
import operator

# Creating lists
my_list1 = [1, 2, 3, 4, 5]
my_list2 = ["I", "Love", "Javatpoint"]

# Calculating the sum of the numbers of my_list1
# using reduce and operator.add
sum = reduce(operator.add, my_list1)

# Calculating the product of the numbers of my_list1
# using reduce and operator.mul
product = reduce(operator.mul, my_list1)

# Concatenating all the elements in my_list2
# using reduce and operator.concat
concated_str1 = reduce(operator.concat, my_list2)

# We can achieve the same output by using operator.add
concated_str2 = reduce(operator.add, my_list2)

# Printing result
print(f"Sum of all elements in my_list1 : {sum}")
print(f"Product of all elements in my_list1 : {product}")
print(f"Concatenated string by using operator.concat : {concated_str1}")
print(f"Concatenated string by using operator.add : {concated_str2}")

输出

Sum of all elements in my_list1 : 15
Product of all elements in my_list1 : 120
Concatenated string by using operator.concat : ILoveJavatpoint
Concatenated string by using operator.add : ILoveJavatpoint

这里，reduce 函数中的 function 参数被 operator 函数替换。所有步骤与前面的示例相同。

示例 3：找出给定数字中的最大值。

在此示例中，给出一个整数列表，您应该使用 reduce 函数找到最大数字。以下是问题解决方案

有三种方法可以实现相同的结果

方法 1 - 使用普通函数

# Importing reduce function from the functools module
from functools import reduce

# A list containing some integers
num = [20, 22, 24, 12, 6, 88, 10, 55, 66]

""" Method 1 - Using simple function """

# Function that returns the largest of x and y
def large(x, y):
    return x if x > y else y

# Using reduce to find the largest of all and printing the result
largest = reduce(large, num)
print(f"Largest found with method 1: {largest}")

方法 2 - 使用 Lambda 函数

""" Method 2 - Using lambda function """

# Using reduce to find the largest of all and printing the result
largest = reduce(lambda x, y: x if x > y else y, num)
print(f"Largest found with method 2: {largest}")

方法 3 - 使用 max 函数

""" Method 3 - Using max() function """

# Using reduce to find the largest of all and printing the result
largest = reduce(max, num)
print(f"Largest found with method 3: {largest}")

输出

Largest found with method 1: 88
Largest found with method 2: 88
Largest found with method 3: 88

在上面的示例中，large 函数、lambda 函数和 max 函数将 x 和 y 中的最大值返回给 reduce 函数。reduce 函数逐个解析所有元素。最后，它返回所有元素中的最大值。

结论

总而言之，map()、filter() 和 reduce() 是 Python 中常用的内置函数，它们常用于函数式编程。

map() 用于将给定函数应用于可迭代对象的每个元素，并返回一个包含结果的新可迭代对象。
filter() 用于根据给定条件或函数过滤可迭代对象中的元素，并返回一个包含过滤后元素的新可迭代对象。
reduce() 用于以累积方式将给定函数应用于可迭代对象的元素，将可迭代对象缩减为单个值。

这些函数或工具为您提供了强大而快速的数据处理功能，使数据转换、过滤和聚合变得简单。它们经常在 Python 的函数式编程概念中使用，以创建可读且高效的代码。

下一主题Python 编辑距离

← 上一个下一个 →

Python 中的 map, filter 和 reduce 及示例

Python 流

什么是函数式编程？

结论

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Python 问题

Python 中的 map, filter 和 reduce 及示例

Python 流

什么是函数式编程？

结论

相关帖子

检查 Python 字符串是否包含字符

使用 Matplotlib 和 GDAL 在 Python 中可视化 Tiff 文件

在 Pandas 中将包含 'yes' 和 'no' 值的列替换为 True 和 False | Python

Python Graphviz: DOT 语言

Python eval() vs. exec()

Python 执行 Shell 命令

Python Win32 进程

Python Bokeh 教程 - 使用 Bokeh 进行交互式数据可视化

Python 中的属性 vs 属性的区别

如何使用 PyCharm

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器