Python函数操作——map、reduce和filter函数

Python中的map、reduce和filter是自带函数库中常用的函数操作，它们分别用于对序列中的元素进行函数映射，用累计函数计算列表元素，和过滤列表元素。

map函数：

map函数常用格式为map(function, iterable)，其中function是自定义函数，iterable是迭代器，将function应用到iterable中的每个元素中，生成一个可迭代的新序列。

例1：

def square(x):
    return x ** 2

lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

squared_lst = map(square, lst)

print(list(squared_lst))

输出结果：

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

例1中square函数是自定义的函数，将输入的数x平方并返回。map函数将square应用到lst列表中的每个元素中，并返回一个新的可迭代的序列squared_lst。最后将squared_lst转化成列表输出。

例2：

lst1 = [1, 2, 3]
lst2 = [4, 5, 6]

sum_lst = map(lambda a, b: a + b, lst1, lst2)

print(list(sum_lst))

输出结果：

[5, 7, 9]

例2中使用lambda匿名函数将lst1和lst2中对应位置的元素相加，并返回新的可迭代的序列sum_lst。最终将sum_lst转化成列表输出。

reduce函数：

reduce函数常用格式为reduce(function, iterable, [initializer])，其中function是自定义函数，用于对iterable中的元素进行累积计算。initializer是可选参数，用于在开始计算时提供一个初始值。

例3：

from functools import reduce

lst = [1, 2, 3, 4, 5]

sum_lst = reduce(lambda a, b: a + b, lst)

print(sum_lst)

输出结果：

15

例3中，使用reduce函数将列表lst中的所有元素相加起来，并返回一个结果15。在这个例子中，并没有提供initializer参数，因此reduce从lst的 个元素开始计算。

例4：

from functools import reduce

lst = [2, 4, 6, 8, 10]

product = reduce(lambda a, b: a * b, lst, 1)

print(product)

输出结果：

3840

例4中，使用reduce函数将列表lst的所有元素相乘起来，并返回一个结果3840。在这个例子中，提供了initializer参数为1，因此reduce从lst的 个元素开始计算，并且 次计算时，将1作为初始值传入。

filter函数：

filter函数常用格式为filter(function, iterable)，其中function是自定义函数，用于过滤iterable中的元素，返回仅包含经过function认可的元素的列表。

例5：

lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

even_lst = filter(lambda x: x % 2 == 0, lst)

print(list(even_lst))

输出结果：

[2, 4, 6, 8, 10]

例5中，使用lambda匿名函数过滤出lst列表中所有偶数，并返回一个新的仅包含偶数的可迭代序列even_lst。最终将even_lst转化成列表输出。

例6：

lst = [1, 2, 3, 4, 5, 6]

greater_than_3 = filter(lambda x: x > 3, lst)

print(list(greater_than_3))

输出结果：

[4, 5, 6]

例6中，使用lambda匿名函数过滤出lst列表中所有大于3的元素，并返回一个新的仅包含大于3的可迭代序列greater_than_3。最终将greater_than_3转化成列表输出。

综上所述，Python中的map、reduce和filter函数都是自带函数库中常用的函数操作，map函数用于对序列中的元素进行函数映射，reduce函数用于用累计函数计算列表元素，filter函数用于过滤列表元素。我们可以根据具体的需求，使用这几个函数操作来完成我们想要的操作。