Python高阶函数详解：map、filter与reduce的用法及原理
本文深入解析Python中的高阶函数概念，详细阐述map、filter和reduce三个内置高阶函数的定义、用法及内部实现机制。通过代码示例展示如何将函数作为参数或返回值，并对比模拟函数与原生函数的执行结果，帮助开发者掌握这些核心工具的实际应用。
1.什么是高阶函数？
高阶函数的定义包含两种情况：一是将一个函数作为参数传递给另一个函数；二是函数的返回值为另一个函数（若返回值为函数自身，则构成递归）。只要满足其中任意一种条件，该函数即可被定义为高阶函数。
参数为函数：
#参数为函数
def bar():
print("in the bar..")
def foo(func):
func()
print("in the foo..")
foo(bar)
返回值为函数：
#返回值为函数
def bar():
print("in the bar..")
def foo(func):
print("in the foo..")
return bar
res=foo(bar)
res()
在上述两个示例中，函数foo()均属于高阶函数。在示例一中，函数bar被作为参数传入函数foo；在示例二中，函数bar作为函数foo的返回值返回。
注意区分：函数名（如bar、foo）代表该函数的内存地址；而函数名后加括号（如bar()、foo()）则表示调用该函数并执行其逻辑。
2.高阶函数-map、filter、reduce
这三个函数均为Python内置的高阶函数。接下来我们将详细探讨它们的具体用法以及内部工作原理：
2.1map函数
map函数接收两个参数：一个函数和一个序列。其功能是将序列中的每个元素依次传入指定函数进行处理，并将处理结果依次返回至列表中。该函数的返回值是一个迭代器对象，例如： <map object at 0x00000214EEF40BA8>。
其具体用法如下图所示：
接下来我们分析map函数的内部工作机制：
num=[1,2,3,4,5]
def square(x):
return x**2
#map函数模拟
def map_test(func,iter):
num_1=[]
for i in iter:
ret=func(i)
# print(ret)
num_1.append(ret)
return num_1.__iter__() #将列表转为迭代器对象
#map_test函数
print(list(map_test(square,num)))
#map函数
print(list(map(square,num)))
#当然map函数的参数1也可以是匿名函数、参数2也可以是字符串
print(list(map_test(lambda x:x.upper(),"amanda")))
print(list(map(lambda x:x.upper(),"amanda")))
2.2filter函数
filter函数同样接收一个函数和一个序列作为参数，主要功能是进行数据过滤。其返回值也是一个迭代器对象，例如： <filter object at 0x000002042D25EA90>，。
其图示如下：
接下来我们查看filter函数的具体用法及其内部机制：
names=["Alex","amanda","xiaowu"]
#filter函数机制
def filter_test(func,iter):
names_1=[]
for i in iter:
if func(i): #传入的func函数其结果必须为bool值，才有意义
names_1.append(i)
return names_1
#filter_test函数
print(filter_test(lambda x:x.islower(),names))
#filter函数
print(list(filter(lambda x:x.islower(),names)))
2.3reduce函数
reduce函数是一个接收函数和可迭代对象作为参数的高阶函数。与map和filter不同，它的返回值是一个单一的值而非迭代器对象，因此它常用于数据的累加或累乘等聚合操作。
图示例如下：
实例如下：
#reduce函数不是内置函数，而是在模块functools中的函数，故需要导入
from functools import reduce
nums=[1,2,3,4,5,6]
#reduce函数的机制
def reduce_test(func,array,ini=None): #ini作为基数
if ini == None:
ret =array.pop(0)
else:
ret=ini
for i in array:
ret=func(ret,i)
return ret
#reduce_test函数，叠乘
print(reduce_test(lambda x,y:x*y,nums,100))
#reduce函数，叠乘
print(reduce(lambda x,y:x*y,nums,100))
到此这篇关于Python常见内置高阶函数即高阶函数用法的文章就介绍到这了,更多相关Python高阶函数内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
