寫幾個 Python 進階必備函數

今天要給你們介紹的是幾個新手必備的函數。對於寫出更加優雅的Python代碼比較有幫助。

1. lambda 表達式

匿名函數（英語：anonymous function）是指一類無需定義標識符（函數名）的函數。通俗來講呢，就是它可讓咱們的函數，能夠不須要函數名。

正常狀況下，咱們定義一個函數，使用的是 def 關鍵字，而當你學會使用匿名函數後，替代 def 的是 lambda。

這邊使用 def 和 lambda 分別舉個例子，你很快就能理解。

def mySum(x, y):
    return x+y
mySum01(2, 3)
# 5

(lambda x, y: x+y)(2, 4)
# 6

從上面的示例，咱們能夠看到匿名函數直接運行，省下了不少行的代碼，有沒有？

接下來，咱們的仔細看一下它的用法

帶 if/else

>>>( lambda x, y: x if x < y else y )( 1, 2 )
1

嵌套函數

>>>( lambda x: ( lambda y: ( lambda z: x + y + z  )( 1 ) )( 2 ) )( 3 )
6

遞歸函數

>>> func = lambda n:1 if n == 0 else n * func(n-1)
>>> func(5)
120

或者

>>> f = lambda func, n: 1 if n == 0 else n * func( func, n - 1 )
>>> f(f,4)
24

從以上示例來看，lambda 表達式和常規的函數相比，寫法比較怪異，可讀性相對較差。除了能夠直接運行以外，好像並無其餘較爲突出的功能，爲何在今天咱們要介紹它呢？

首先咱們要知道 lambda 是一個表達式，而不是一個語句。正由於這個特色，咱們能夠在一些特殊的場景中去使用它。具體是什麼場景呢？接下來咱們會介紹到幾個很是好用的內置函數。

2. map 函數

map 函數，它接收兩個參數，第一個參數是一個函數對象（固然也能夠是一個lambda表達式），第二個參數是一個序列。

它能夠實現怎樣的功能呢，我舉個例子你就明白了。

>>> map(lambda x: x*2, [1,2,3,4,5])
[2, 4, 6, 8, 10]

能夠很清楚地看到，它能夠將後面序列中的每個元素作爲參數傳入lambda中。

當咱們不使用 map 函數時，你也許會這樣子寫。

mylist=[]
for i in [1,2,3,4,5]:
    mylist.append(i*2)

3. filter 函數

filter 函數，和 map 函數類似。一樣也是接收兩個參數，一個lambda 表達式，一個序列。它會遍歷後面序列中每個元素，並將其作爲參數傳入lambda表達式中，當表達式返回 True，則元素會被保留下來，當表達式返回 False ，則元素會被丟棄。

下面這個例子，將過濾出一個列表中小於0的元素。

>>>filter(lambda x: x < 0, range(-5, 5))
[-5, -4, -3, -2, -1]

4. reduce 函數

reduce 函數，也是相似的。它的做用是先對序列中的第 一、2 個元素進行操做，獲得的結果再與第三個數據用 lambda 函數運算，將其獲得的結果再與第四個元素進行運算，以此類推下去直到後面沒有元素了。

reduce 邏輯演示

這邊舉個例子你也就明白了。

>>>reduce(lambda x,y: x+y, [1,2,3,4,5])
15

它的運算過程分解一下是這樣的。

1+2=3
3+3=6
6+4=10
10+5=15

5. 注意點

以上幾個函數，熟練的掌握它們的寫法，可讓咱們的代碼看起來更加的 Pythonic ，在某一程度上代碼看起來更加的簡潔。

若是你是新手呢，你須要注意的是，以上示例是在 Python2.x 環境下演示的。而在 Python3.x 中，卻有所不一樣，你能夠本身嘗試一下。

這裏總結一下：

第一點，map 和 filter 函數返回的都再也不是一個列表，而是一個迭代器對象。這裏以map爲例

>>> map_obj = map(lambda x: x*2, [1,2,3,4,5])
>>> from collections.abc import Iterator
>>> isinstance(map_obj, Iterator)
True
>>> next(map_obj)
2
>>> list(map_obj)
[4, 6, 8, 10]

第二點，reduce 不能夠直接調用，而是要先導入才能使用。

from functools import reduce