Python面试题之Python中的lambda map filter reduce zip（常见python基础面试题）

Python面试题之Python中的lambda map filter reduce zip（常见python基础面试题）

当年龟叔想把上面列出来的这些都干掉。在 ​​“All Things Pythonic: The fate of reduce() in Python 3000”​​​这篇文章中，他给出了自己要移除lambda、map、filter和reduce的原因。当然，这事儿最后没成功。只有​​reduce​​​被挪到​​functools​​模块中去了。

lambda

lambda是匿名函数，也就是没有名字的函数。lambda的语法非常简单：

下面是一个lambda表达式的简单例子：

注意：我们可以把lambda表达式赋值给一个变量，然后通过这个变量来使用它。

>>> my_sum = lambda x, y: x+y>>> my_sum(1, 2)3

下图是定义lambda表达式和定义一个普通函数的对比：

注意：

使用lambda表达式并不能提高代码的运行效率，它只能让你的代码看起来简洁一些。

map

​​map()​​​接收两个参数​​func​​​（函数）和​​seq​​（序列，例如list）。如下图：

​​map()​​​将函数​​func​​​应用于序列​​seq​​​中的所有元素。在Python3之前，​​map()​​​返回一个列表，列表中的每个元素都是将列表或元组“​​seq​​​”中的相应元素传入函数​​func​​​返回的结果。Python 3中​​map()​​返回一个迭代器。

因为​​map()​​需要一个函数作为参数，所以可以搭配lambda表达式很方便的实现各种需求：

例子1–将一个列表里面　　的每个数字都加100：

>>> l = [11, 22, 33, 44, 55]>>> list(map(lambda x:x+100, l))[111, 122, 133, 144, 155]

例子2–

使用​​map​​​就相当于使用了一个for循环，我们完全可以自己定义一个​​my_map​​函数：

def my_map(func, seq): result = [] for i in seq: result.append(func(i)) return result

测试一下我们自己的​​my_map​​函数：

>>> def my_map(func, seq):... result = []... for i in seq:... result.append(func(i))... return result...>>> l = [11, 22, 33, 44, 55]>>> list(my_map(lambda x:x+100, l))[111, 122, 133, 144, 155]

我们自定义的​​my_map​​​函数的效果和内置的​​map​​函数一样。

当然在Python3中，​​map​​​函数返回的是一个迭代器，所以我们也需要让我们的​​my_map​​函数返回一个迭代器：

def my_map(func, seq):for i in seq:yield func(i)

测试一下：

>>> def my_map(func, seq):... for i in seq:... yield func(i)...>>> l = [11, 22, 33, 44, 55]>>> list(my_map(lambda x:x+100, l))[111, 122, 133, 144, 155]

与我们自己定义的​​my_map​​​函数相比，由于​​map​​​是内置的因此它始终可用，并且始终以相同的方式工作。它也具有一些性能优势，通常会比手动编写的for循环更快。当然内置的​​map​​还有一些高级用法：

例如，可以给map函数传入多个序列参数，它将并行的序列作为不同参数传入函数：

拿​​pow(arg1, arg2)​​函数举例，

>>> pow(2, 10)1024>>> pow(3, 11)177147>>> pow(4, 12)16777216>>> list(map(pow, [2, 3, 4], [10, 11, 12]))[1024, 177147, 16777216]

pow(arg1, arg2)函数接收两个参数arg1和arg2，map(pow, [2, 3, 4], [10, 11, 12])就会并行从[2, 3, 4]和[10, 11, 12]中取出元素，传入到pow中。

还有一个例子：

>>> from operator import add>>> x = [1, 2, 3]>>> y = [4, 5, 6]>>> list(map(add, x, y))[5, 7, 9]

调用​​map​​​函数类似于​​列表推导式​​​，但是​​列表推导式​​​是对每个元素做表达式运算，而​​map​​​对每个元素都会应用一次函数调用。也只有在​​map​​​中使用内置函数时，才可能比​​列表推导式​​速度更快。

filter

​​filter​​​函数和​​map​​​函数一样也是接收两个参数​​func​​​（函数）和​​seq​​(序列，如list)，如下图：

​​filter​​​函数类似实现了一个过滤功能，它过滤序列中的所有元素，返回那些传入​​func​​​后返回​​True​​​的元素。也就是说filter函数的第一个参数​​func​​必须返回一个布尔值，即True或者False。

下面这个例子，是使用​​filter​​从一个列表中过滤出大于33的数：

>>> l = [30, 11, 77, 8, 25, 65, 4]>>> list(filter(lambda x: x>33, l))[77, 65]

利用​​filter()​​还可以用来判断两个列表的交集：

>>> x = [1, 2, 3, 5, 6]>>> y = [2, 3, 4, 6, 7]>>> list(filter(lambda a: a in y, x))[2, 3, 6]

reduce

注意：Python3中​​reduce​​​移到了functools模块中，你可以用过​​from functools import reduce​​来使用它。

​​reduce​​​同样是接收两个参数：​​func​​​（函数）和​​seq​​(序列，如list)，如下图：

​​reduce​​最后返回的不是一个迭代器，它返回一个值。

​​reduce​​​首先将序列中的前两个元素，传入​​func​​​中，再将得到的结果和第三个元素一起传入​​func​​​，…，这样一直计算到最后，得到一个值，把它作为​​reduce​​的结果返回。

原理类似于下图：

看一下运行结果：

>>> from functools import reduce>>> reduce(lambda x,y:x+y, [1, 2, 3, 4])10

再来练习一下，使用reduce求1～100的和：

>>> from functools import reduce>>> reduce(lambda x,y:x+y, range(1, 101))5050

三元运算

​​三元运算​​（三目运算）在Python中也叫条件表达式。三元运算的语法非常简单，主要是基于True/False的判断。如下图：

使用它就可以用简单的一行快速判断，而不再需要使用复杂的多行​​if​​语句。 大多数时候情况下使用三元运算能够让你的代码更清晰。

​​三元运算​​​配合​​lambda表达式​​​和​​reduce​​，求列表里面值最大的元素：

>>> from functools import reduce>>> l = [30, 11, 77, 8, 25, 65, 4]>>> reduce(lambda x,y: x if x > y else y, l)77

再来一个，​​三元运算​​​配合​​lambda表达式​​​和​​map​​的例子：

将一个列表里面的奇数加100：

>>> l = [30, 11, 77, 8, 25, 65, 4]>>> list(map(lambda x: x+100 if x%2 else x, l))[30, 111, 177, 8, 125, 165, 4]

zip

​​zip​​函数接收一个或多个可迭代对象作为参数，最后返回一个迭代器：

>>> x = ["a", "b", "c"]>>> y = [1, 2, 3]>>> a = list(zip(x, y)) # 合包>>> a[('a', 1), ('b', 2), ('c', 3)]>>> b =list(zip(*a)) # 解包>>> b[('a', 'b', 'c'), (1, 2, 3)]

​​zip(x, y)​​​ 会生成一个可返回元组 ​​(m, n)​​ 的迭代器，其中m来自x，n来自y。 一旦其中某个序列迭代结束，迭代就宣告结束。 因此迭代长度跟参数中最短的那个序列长度一致。

>>> x = [1, 3, 5, 7, 9]>>> y = [2, 4, 6, 8]>>> for m, n in zip(x, y):... print(m, n)...1 23 45 67 8

如果上面不是你想要的效果，那么你还可以使用 ​​itertools.zip_longest()​​​ 函数来代替这个例子中的​​zip​​。

>>> from itertools import zip_longest>>> x = [1, 3, 5, 7, 9]>>> y = [2, 4, 6, 8]>>> for m, n in zip_longest(x, y):... print(m, n)...1 23 45 67 89 None

​​zip​​其他常见应用：

>>> keys = ["name", "age", "salary"]>>> values = ["Andy", 18, 50]>>> d = dict(zip(keys, values))>>> d{'name': 'Andy', 'age': 18, 'salary': 50}

​​参考​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。