Python入門高階教程-高階函數

2020，作一個無可替代的人！

寫在前面的話

前面寫的 Python 入門教程中只有基礎入門和基礎進階兩部分，能夠在公衆號下拉菜單中找到，小一我都已經分好類了。

作數據分析的話，我以爲高階部分的內容你一節都不要錯過，這部份內容算是數據預處理的核心了。

我也將會從高階函數的使用，NumPy，SciPy，Pandas 以及可能會用到的 Scikit-learn 幾個部分開始。

你可能如今還不懂這些基礎包是幹什麼的，這不重要，我會在乾貨內容中插入一些我踩過坑的小項目，回過頭你再來品一下文章，想必收穫會很是大。

正文

Lambda 函數

準確的說，Lambda 函數並不能稱爲高階函數。可是在實際項目的開發過程當中，Lambda 函數使用的至關頻繁，而且效率也至關高，因此，一塊兒來看看吧！

Lambda 函數又稱爲 Python 的匿名函數，一次性函數。

Lambda函數是使用 lambda 運算符建立的，能夠包含任意多的參數，但它只有一個表達式。其語法以下：

lambda參數：表達式

例如：計算一個數的平方

# 經過 lambda 表達式計算一個數的平方
result = lambda x: x*x
print(result(5))

例如：計算兩個數相乘

# 經過 lambda 表達式計算兩個數相乘
result = lambda x, y: x*y
print(result(2, 5))

可能你們都明白 lambda 函數怎麼用了吧。

相比起普通函數，爲何 lambda 表達式會更簡單方便呢，我再舉個例子：

# 輸出10之內每一個數乘以2：
# 定義函數
def new_func(number):
    return number*2

# 通常函數寫法
result_number = [new_func(number) for number in range(10)]
print(result_number)

# lambda 函數寫法
result_number = list(map(lambda x: x*2, [number for number in range(10)]))
print(result_number)

# 輸出結果
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

能夠看到，一樣的結果，使用 lambda 的方式會更簡單些。

這裏在 lambda 表達式中使用了高階函數 map，後面也會介紹到，往下看

map 函數

說到map，我首先想到的是 Java 中的 map 數據類型，Map<K,V>一種鍵值對的存儲方式。

其次想到的是 reduce，map-reduce，Hadoop早期的一種大數據處理方式。

放一張 Google MapReduce 的中文版摘要，你們細品

map 函數是 Python 的內建函數，能夠直接使用。

map() 函數接接收兩個參數，一個是 函數，一個是 可迭代對象 Iterable。

map將傳入的函數依次做用到每一個Iterable 上，並把結果做爲新的 Iterator 返回。

別慌，上面一段話你可能雲裏霧裏，我舉個例子你在品

舉例：有一個函數f(x)=x*2，要把這個函數做用在list [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]上

熟不熟悉？這不就是上面 lambda 中的例子嗎？

其中，0-9數據集合是可迭代對象， f(x)=x*2做爲咱們的 lambda 函數，返回的新數據集是 Iterator。

再來個例子，將剛纔的 list [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 所有轉換爲字符

# 將[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 所有轉換爲字符
list(map(str, [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

# 輸出
['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

看懂了吧，map() 就是一個映射函數，會根據提供的函數對指定序列作映射，映射的結果能夠進行相應的類型轉換。

reduce 函數

再來看 reduce 函數，reduce 函數也是 Python 的內建函數，能夠直接使用。

reduce() 函數接收和 map 一樣的兩個參數，不一樣的是 reduce 把上一次的結果繼續和序列的下一個元素作累積計算。

直接看例子：

# 猜猜這是在幹嗎？
reduce(lambda x,y: x+y, [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# 輸出
45

你可能猜到了，作累加，對，沒錯！0~9數字的累加和，結果是45

reduce 函數的效果能夠這樣表示

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

再來張圖，別說你還看不懂：

reduce() 是累積運算函數，會根據提供的運算函數對迭代類型參數中的元素進行累積運算。

filter 函數

filter 的中文翻譯是過濾，filter 函數也是 Python 的內建函數，能夠直接使用。

filter() 函數一樣接收兩個參數：一個函數和一個序列。

filter() 把傳入的函數依次做用於每一個元素，而後根據返回值是 True 或者 False 決定保留仍是丟棄該元素。

這個介紹應該都能看懂，就把 filter 想象成一個過濾器。

看個例子：對於 list [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 輸出其中的偶數

# 輸出全部的偶數
list(filter(lambda x:x%2==0, [1, 2, 3, 4, 5, 6, 7, 8, 9]))

# 輸出
[2, 4, 6, 8]

很簡單，filter() 是過濾函數，會根據提供的過濾函數對迭代類型參數中的元素進行過濾，保留使運算函數返回 true 的元素。

sorted 函數

sorted 函數也如它的中文意思同樣，能夠對全部可迭代的對象進行排序操做。

看一下sorted 的語法 ：

sorted(iterable, cmp=None, key=None, reverse=False)

• iterable ：表示一個可迭代對象
• cmp：比較的函數，比較可迭代對象中的兩個對象
• key：要來比較的元素
• reverse：排序規則。reverse = True 降序 ， reverse = False 升序（默認）

舉例1：將[2, 5, 7, 8, 1, -1]從大到小排列

sorted([2, 5, 7, 8, 1, -1], reverse=True)

# 輸出
[8, 7, 5, 2, 1, -1]

舉例2：將 [('b',2),('a',1),('c',3),('d',4)] 比較每一個元組的第一位數進行排序

list_number = [('b', 2), ('a', 1), ('c', 3), ('d', 4)]
sorted(list_number, key=lambda x: x[0])

# 輸出
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]

能夠看到，sorted 函數支持的排序更加的普遍。

這裏不要將 sort 和 sorted 搞混了，sort 函數用於對列表進行排序，而 sorted 函數支持對全部可迭代對象進行排序。

總結一下：

今天介紹了 Python 的一些高階函數，並且是最經常使用的一些。

• lambda 函數：匿名函數，搭配下面幾個函數有意想不到的效果
• map 函數：對迭代類型參數中的元素作映射操做
• reduce 函數：對迭代類型參數中的元素進行累積運算
• filter 函數：對迭代類型參數中的元素進行過濾
• sorted 函數：對全部可迭代的對象進行排序操做

寫在後面的話

春節期間在家裏就開始準備了高階部分的內容，確實很差寫。

在寫的時候得想一想以前本身都踩過的哪些坑，本身是怎麼認識並使用這些高階技巧的，因此到如今我也只寫了一小丟丟內容。（熬夜多了腦殼記不住事啊）

就拿今天的幾個高階函數來講，我剛開始接觸的時候不知道這些函數這麼有用，甚至都不知道這些函數，並不重視，等到本身造完輪子以後才發現是在作無用功。

2019年公衆號的文章進度是在爬蟲這一部分，還有爬蟲框架沒有介紹，乾貨內容也很少了，後面應該會多一些實戰的爬蟲項目。

可是，我在爬蟲剛開始的時候就說過，數據分析的重點不是爬蟲，是在數據處理這一塊，你們最好能分清重點，之後就再也不多說了。

碎碎念一下

2020年的第一篇乾貨文章，我須要大家的支持！ 關注點贊噢！

方便之後的高階文章大家不會錯過，建議直接關注公衆號[知秋小夢]！！！

原創不易，歡迎點贊噢

文章首發：公衆號【知秋小夢】

文章同步：掘金，簡書

原文連接： Python入門高階教程-高階函數