1、map
Python內建了map()函式，map()函式接受兩個引數，一個是函式，一個是Iterable，map將傳入的函式依次作用到序列的每一個元素上，并把結果作為新的Iterator回傳，
舉例說明，比如我們有一個函式f(x)=x*2，要把這個函式作用在一個list[1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()實作，
>>> def f(x):
... return x*2
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[2, 4, 6, 8, 10, 12, 14, 16, 18]
map()傳入的第一個引數是f，即函式物件本身，由于結果r是一個Iterator，Iterator是惰性序列，因此通過list()函式讓它把整個序列都計算出來并回傳一個list，
你可能會想，不需要map()函式，寫一個回圈，也可以計算出結果：
L = []
for i in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
L.append(f(i))
print(L)
的確也可以，但是，從上面的回圈代碼，能一眼看明白”把f(x)作用在list的每一個元素并把結果生成一個新的list“嗎？
所以，map()作為高階函式，事實上它把運算規則抽象了，因此，我們不但可以計算簡單的f(x)=x*2，還可以計算任意復雜的函式，比如把這個list所有的數字轉為字串：
>>> list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']
只需要一行代碼就可以搞定，
2、reduce
再看reduce的用法，reduce是把一個函式作用在一個序列[x1, x2, x3……]上，這個函式必須接收兩個引數，reduce把結果繼續和序列的下一個元素做累計計算，簡單來說，就是先計算x1和x2的結果，再拿結果與x3計算，依次類推，
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1,x2), x3), x4)
比如說一個序列求和，就可以用reduce實作，
>>> from functools import reduce
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25
當然求和運算可以直接使用python內建函式sum()，沒必要動用reduce，
但是如果要把序列[1, 3, 5, 7, 9]變換為整數13579，reduce就可以派上用場：
>>> from functools import reduce
>>> def fn(x, y):
... return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579
這個例子本身沒多大用處，但是，如果考慮到字串str也是一個序列，對上面的例子稍加改動，配合map，我們就可以寫出把str轉換為int的函式：
>>> from functools import reduce
>>> def fn(x, y):
... return x * 10 + y
...
>>> def char2num(s):
... digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
... return digits[s]
...
>>> reduce(fn, map(char2num, '13579'))
13579
整理成一個str2int的函式就是：
from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return DIGITS[s]
return reduce(fn, map(char2num, s))
還可以用lambda函式進一步簡化成：
from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def char2num(s):
return DIGITS[s]
def str2int(s):
return reduce(lambda x, y: x * 10 + y, map(char2num, s))
也就是說，假設python沒有提供int()函式，你完全可以自己寫一個把字串轉化為整數的函式，而且只需要幾行代碼，
3、filter
python內建的filter()函式用于過濾序列，
和map()類似，filter()也接收一個函式和一個序列，和map()不同的是，filter()把傳入的函式依次作用于每一個元素，然后根據回傳值是True還是False決定保留還是丟棄該元素，
例如，在一個list中，刪掉偶數，只保留奇數，可以這么寫：
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 結果: [1, 5, 9, 15]
把一個序列中的空字串刪掉，可以這么寫：
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
# 結果: ['A', 'B', 'C']
可見用filter()這個高階函式，關鍵在于正確實作一個篩選函式，
注意到filter()函式回傳的是一個Iterator，也就是一個惰性序列，所有要強迫filter()完成計算結果，需要用list()函式獲得所有結果并回傳list，
4、sorted
排序也是在程式中經常用到的演算法，無論使用冒泡排序還是快速排序，排序的核心是比較兩個元素的大小，如果是數字，我們可以直接比較，但如果是字串或者兩個dict呢？直接比較數學上的大小是沒有意義的，因此，比較的程序必須通過函式抽象出來，
Python內置的sorted()函式就可以對list進行排序：
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
此外，sorted()函式也是一個高階函式，它還可以接收一個key函式來實作自定義的排序，例如按絕對值大小排序：
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
key指定的函式將作用于list的每一個元素上，并根據key函式回傳的結果進行排序，
我們再看一個字串排序的例子：
>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']
默認情況下，對字串排序，是按照ASCII的大小比較的，由于'Z' < 'a'，結果，大寫字母Z會排在小寫字母a的前面，
現在，我們提出排序應該忽略大小寫，按照字母序排序，要實作這個演算法，不必對現有代碼大加改動，只要我們能用一個key函式把字串映射為忽略大小寫排序即可，忽略大小寫來比較兩個字串，實際上就是先把字串都變成大寫（或者都變成小寫），再比較，
這樣，我們給sorted傳入key函式，即可實作忽略大小寫的排序：
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
['about', 'bob', 'Credit', 'Zoo']
要進行反向排序，不必改動key函式，可以傳入第三個引數reverse=True：
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']
5、小結
高階函式的抽象能力是非常強大的，在代碼中善于利用這些高階函式，可以使我們的代碼變得簡潔明了，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/135406.html
標籤：Python