博客
关于我
Python学习(八)——map、reduce、filter、sorted
阅读量:157 次
发布时间:2019-02-27

本文共 1650 字,大约阅读时间需要 5 分钟。

map

map()函数接收两个参数:一个函数,一个序列;map函数将传入函数依次作用于序列的每个元素,把结果作为新的list返回。

将list内的元素转换为数字

>>> map(int,['1', '2', '3', '4', '5', '6', '7', '8', '9'])[1,2,3,4,5,6,7,8,9]

将list内的数字转换为str

>>> map(str,[1,2,3,4,5,6,7,8,9])['1', '2', '3', '4', '5', '6', '7', '8', '9']

求list内元素的绝对值:

>>> map(abs,[-12,-8,2,-9,61,-27])[12, 8, 2, 9, 61, 27]

普通函数实现:

>>> def add(a,b):    return 10*a+b>>> reduce(add,[1,2,3,4,5,6,7,8,9])123456789

reduce

reduce把一个函数f作用在一个序列上,函数f必须接收2个参数;reduce把序列中的抢两个元素传入到函数f中,计算结果接续和下一个元素组合传入函数f中,直到序列的最后一个元素。

>>> def fun(a,b):    return a+b+2>>> reduce(fun,[3,2,1,6,5,4,9,8,7])61
>>> def add(a,b):    return 10*a+b>>> reduce(add,[1,2,3,4,5,6,7,8,9])123456789

filter

filter()函数将传入函数依次作用于序列中的每个元素,返回值为True的元素则保留,False则丢弃,按此规律过滤序列。

滤除3的倍数:

>>> def f(n):    return n%3 !=0>>> filter(f,[1,2,3,4,5,6,7,8,9])[1, 2, 4, 5, 7, 8]

滤除质数:

>>> from math import >>> def notp(n):    if n>1:        for i in range(2,int(sqrt(n))+1):            if(n%i ==0):                return True                 elif n==1:        return True    else:        return False>>> filter(notp,[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20])[1, 4, 6, 8, 9, 10, 12, 14, 15, 16, 18, 20]

sorted

sorted()函数对list进行排序:

>>> sorted([1,2,5,4])[1, 2, 4, 5]>>> sorted([12,45,3,45,78,3,23,4,0,321,235,64,63,1,231,32,1])[0, 1, 1, 3, 3, 4, 12, 23, 32, 45, 45, 63, 64, 78, 231, 235, 321]

sorted对字符串按ASCII大小进行排序:

>>> sorted(['Asc','cmp','w','Xi'])['Asc', 'Xi', 'cmp', 'w']

sorted是高阶函数,可以接收比较函数来自定义实现排序:

>>> def revers(x,y):    if x>y:        return -1    if x
>> sorted([12,45,3,45,78,3,23,4])[3, 3, 4, 12, 23, 45, 45, 78]>>> sorted([12,45,3,45,78,3,23,4],revers)[78, 45, 45, 23, 12, 4, 3, 3]

这里写图片描述

你可能感兴趣的文章
NIS服务器的配置过程
查看>>
NIS认证管理域中的用户
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>