Python的lambda, filter, reduce 和 map简介
Lambda操作 —— 有些人喜欢，有些人讨厌，还有很多人害怕。当你看完了我们这章的介绍后，我们很自信你会喜欢上它。要不然，你可以去学习Guido van Rossums更喜欢去用的“list comprehensions”（递推式构造列表）了，因为他也不喜欢Lambda, map filter 和reduce。
Lambda 操作
Lambda操作——有些人喜欢，有些人讨厌，还有很多人害怕。当你看完了我们这章的介绍后，我们很自信你会喜欢上它。要不然，你可以去学习Guido van Rossums更喜欢去用的“list comprehensions”（递推式构造列表）了，因为他也不喜欢Lambda, map filter 和reduce。
Lambda操作或者lambda函数是一种创建小型匿名函数的方式，即：函数都没有函数名。这些函数都是投掷(throw-away)函数，即：它们只会在我们需要的地方创建，Lambda函数大部分时间都是与filter(), map() 和 reduce()函数混合使用。Lambda特性被添加到Python是因为Lisp 程序员的强烈要求。
Lambda函数通常的语法是十分简单的：
lambda argument_list: expression
参数列表(argument_list)是由逗号分隔的参数列表组成，而上面这个表达式（expression）是一个可以使用这些参数的算术表达式。你能通过把这个函数赋给一个变量来给这个lambda函数一个名字。
下面这个lambda函数的例子返回的是这两个参数的和：
>>> f = lambda x, y : x + y >>> f(1,1) 2
map() 函数
当与map函数混合使用的时候，lambda操作的优势就能体现出来了。
map()是一个带有两个参数的函数：
r = map(func, seq)
第一个参数func是一个函数名，第二个seq是一个序列（如：list)。map()将会这个函数应用在序列seq的每一个元素上，然后返回一个被这个函数func改变后的元素的列表
def fahrenheit(T): return ((float(9)/5)*T + 32) def celsius(T): return (float(5)/9)*(T-32) temp = (36.5, 37, 37.5,39) F = map(fahrenheit, temp) C = map(celsius, F)
在上面这个例子中，我们没有使用lambda，如果使用lambda，我们不需要去定义和命名fahrenheit()和celsius()函数。你能够从下面的交互过程中看到：
>>> Celsius = [39.2, 36.5, 37.3, 37.8] >>> Fahrenheit = map(lambda x: (float(9)/5)*x + 32, Celsius) >>> print Fahrenheit [102.56, 97.700000000000003, 99.140000000000001, 100.03999999999999] >>> C = map(lambda x: (float(5)/9)*(x-32), Fahrenheit) >>> print C [39.200000000000003, 36.5, 37.300000000000004, 37.799999999999997] >>>
map()能够应用多个列表，但这些列表必须有相同的长度。map()将会应用它的lambda函数在这些列表的元素上，如：首先应用在下标为0的元素上，然后应用在下标为1的元素上，直到到达下标为n：
>>> a = [1,2,3,4] >>> b = [17,12,11,10] >>> c = [-1,-4,5,9] >>> map(lambda x,y:x+y, a,b) [18, 14, 14, 14] >>> map(lambda x,y,z:x+y+z, a,b,c) [17, 10, 19, 23] >>> map(lambda x,y,z:x+y-z, a,b,c) [19, 18, 9, 5]
我们可以从上面的例子中看到，参数x的值是来自a列表的，而y的值来自列表b，z的值来自列表c。
Filtering
filter(func, list)函数提供了一种优雅的方式去把函数func返回值为True的元素过滤出来。
filter(f, l) 需要一个函数f作为它的第一个参数。f返回一个布尔型的值，如：True或者False。这个函数将会应用在列表l的每一个元素上。只有当f返回True的时候，这个列表中的元素才会包含在结果列表中。
>>> fib = [0,1,1,2,3,5,8,13,21,34,55] >>> result = filter(lambda x: x % 2, fib) >>> print result [1, 1, 3, 5, 13, 21, 55] >>> result = filter(lambda x: x % 2 == 0, fib) >>> print result [0, 2, 8, 34] >>>
Reducing a List
函数reduce(func, seq)持续的应用函数func在序列上。它将会返回一个值。
一个序列 seq = [ s1, s2, s3, ... , sn ], 调用reduce(func, seq)的工作像这样：
- 首先，序列的第一、第二个元素将会应用到函数func中，如：func(s1,s2)，这之后这个列表看起来像这样： [ func(s1, s2), s3, ... , sn ]
- 下一步，函数func将会应用在前一个结果和序列的第三个元素上，如：func(func(s1, s2),s3)，这个列表现在看起来像： [ func(func(s1, s2),s3), ... , sn ]
- 这样持续下去，直到只剩下一个元素，然后作为reduce的结果返回这个元素
我们通过下面的例子来阐明这个过程：
>>> reduce(lambda x,y: x+y, [47,11,42,13]) 113
下面这个图展示了中间的计算步骤：
reduce()举例
使用reduce来查找一列数字中的最大值
>>> f = lambda a,b: a if (a > b) else b >>> reduce(f, [47,11,42,102,13]) 102 >>>
计算数字1到100的和：
>>> reduce(lambda x, y: x+y, range(1,101)) 5050
