Python 函数三剑客 reduce、filter & map-51CTO.COM

在Python的世界里，有一种编程风格叫做函数式编程，它让你像艺术家一样优雅地处理数据。今天，我们就来聊聊三位超级英雄——reduce、filter和map，他们分别是数据操作的三大神器，让我们一起探索他们的威力和用法。

1. 函数英雄一：reduce - 数据压缩机

想象一下，你需要把一堆数字加起来，但不想手动一个一个数。reduce就是你的救星！它的官方定义是"累积函数"，将一个函数应用于列表的每个元素对，直到得到一个单一结果。来看看这个例子：

from functools import reduce

def add(x, y):
    return x + y

numbers = [1, 2, 3, 4, 5]
total = reduce(add, numbers)
print(total)  # 输出: 151.
2.
3.
4.
5.
6.
7.
8.

在这个例子中，add函数被reduce用于所有数字，最终得到它们的和。

2. 函数英雄二：filter - 数据筛选器

有时候，我们需要从一个列表中找出满足特定条件的元素，filter就能帮到忙。它接受一个函数和一个序列，返回一个新的列表，只包含原列表中函数返回True的元素。看这个例子：

def is_even(n):
    return n % 2 == 0

numbers = [1, 2, 3, 4, 5]
even_numbers = list(filter(is_even, numbers))
print(even_numbers)  # 输出: [2, 4]1.
2.
3.
4.
5.
6.

filter帮我们过滤出所有的偶数。

3. 函数英雄三：map - 数据转换者

想象你有一个列表，想把每个元素都平方，map就像魔法棒，能瞬间完成转换。map接收一个函数和一个序列，返回一个新的列表，其中每个元素都是原序列对应位置上函数的结果。看这招：

def square(n):
    return n ** 2

numbers = [1, 2, 3, 4, 5]
squared_numbers = list(map(square, numbers))
print(squared_numbers)  # 输出: [1, 4, 9, 16, 25]1.
2.
3.
4.
5.
6.

map让我们的列表瞬间变成了平方数列表。

实战小结

当你需要对数据进行累加、筛选或转换时，reduce、filter和map可以大大简化你的代码。
reduce适合做数据的汇总或计算，如求和、求最大值等。
filter用于根据条件筛选数据，保留符合条件的部分。
map则负责对数据进行一致的转换，适用于简单的数据预处理。

现在，你已经掌握了Python函数式编程的三大法宝，下次处理数据时，不妨试试看，让代码更加简洁高效。记得，编程不只是语法，更是思维的艺术，函数式编程能让你在数据海洋中游刃有余！