Python 中堪称神仙的6个内置函数

Lambda 函数

Lambda函数用于创建匿名函数，即没有名称的函数。它只是一个表达式，函数体比def简单很多。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了。

lambda?[arg1?[,arg2,.....argn]]:expression

lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。例如：

lambda?x:?x+2

如果我们也想像def定义的函数随时调用，可以将lambda函数分配给这样的函数对象。

add2?=?lambda?x:?x+2
add2(10)

输出结果：

利用Lambda函数，可以将代码简化很多，具体再举个例子。

如上图所示，结果列表newlist是使用lambda函数用一行代码生成的。

Map 函数

map()函数会将一个函数映射到一个输入列表的所有元素上。

map(function,iterable)

比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表colors中的所有元素。

def?makeupper(word):
????return?word.upper()

colors=['red','yellow','green','black']
colors_uppercase=list(map(makeupper,colors))
colors_uppercase

输出结果：

此外，我们还可以使用匿名函数lambda来配合map函数，这样可以更加精简。

colors=['red','yellow','green','black']
colors_uppercase=list(map(lambda?x:?x.upper(),colors))
colors_uppercase

如果我们不用Map函数的话，就需要使用for循环。

如上图所示，在实际使用中Map函数会比for循环依次列表元素的方法快1.5倍。

Reduce函数

当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数。举个例子，当需要计算一个整数列表所有元素的乘积时，即可使用reduce函数实现。^[1]

它与map函数的最大的区别就是，reduce()里的映射函数（function）接收两个参数，而map接收一个参数。

reduce(function,?iterable[,?initializer])?

接下来我们用实例来演示reduce()的代码执行过程。

from?functools?import?reduce
def?add(x,?y)?:???#?两数相加
????return?x?+?y
numbers?=?[1,2,3,4,5]
sum1?=?reduce(add,?numbers)???#?计算列表和

得到结果sum1 = 15，其代码执行过程如下方动图所示。

结合上图我们会看到，reduce将一个相加函数add()作用在一个列表[1,2,3,4,5]上，映射函数接收了两个参数，reduce()把结果继续和列表的下一个元素做累加计算。

此外，我们同样可以使用匿名函数lambda来配合reduce函数，这样可以更加精简。

from?functools?import?reduce
numbers?=?[1,2,3,4,5]
sum2?=?reduce(lambda?x,?y:?x+y,?numbers)

得到输出sum2= 15，与之前结果保持一致。

需要注意：Python3.x开始reduce()已经被移到functools模块里^[2]，如果我们要使用，需要用from functools import reduce导入.

enumerate 函数

enumerate()函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中。它的语法如下所示：

enumerate(iterable,?start=0)

它的两个参数，一个是序列、迭代器或其他支持迭代对象；另一个是下标起始位置，默认情况从0开始，也可以自定义计数器的起始编号。

colors?=?['red',?'yellow',?'green',?'black']
result?=?enumerate(colors)

如果我们有一个存放colors的颜色列表，运行后就会得到一个enumerate(枚举) 对象。它可以直接在for循环中使用，也可以转换为列表，具体用法如下所示。

for?count,?element?in?result:
????print(f"迭代编号:{count},对应元素:{element}")

Zip 函数

zip()函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表^[3]。

我们还是用两个列表作为例子演示：

colors?=?['red',?'yellow',?'green',?'black']
fruits?=?['apple',?'pineapple',?'grapes',?'cherry']
for?item?in?zip(colors,fruits):
????print(item)

输出结果：

当我们使用zip()函数时，如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同。

prices?=[100,50,120]
for?item?in?zip(colors,fruits,prices):
????print(item)

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新列表，其语法如下所示^[4]。

filter(function,?iterable)

比如举个例子，我们可以先创建一个函数来判断数据是否为奇数，然后使用filter()函数过滤出列表中的所有奇数：

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

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

new_list?=?filter(is_odd,?old_list)
print(newlist)

输出结果：

今天分享的这6个内置函数，在使用 Python 进行数据分析或者其他复杂的自动化任务时非常方便。

分享
点收藏
点点赞
点在看

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/