欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python迭代和解析(3):range、map、zip、filter和reduce函数

程序员文章站 2022-04-18 21:22:24
range range()是一个内置函数,它返回一个数字序列,功能和Linux下的seq命令差不多。 range()返回的是一个可迭代对象(迭代器),可以被迭代工具for/in/map/zip等操作。 作为一个可迭代对象,它还支持len()操作和索引操作: 如果想要实现其它功能,可以将其转换为lis ......

range

range()是一个内置函数,它返回一个数字序列,功能和linux下的seq命令差不多。

>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> list(range(5,10))
[5, 6, 7, 8, 9]

>>> list(range(1,10,2))
[1, 3, 5, 7, 9]

range()返回的是一个可迭代对象(迭代器),可以被迭代工具for/in/map/zip等操作。

>>> 1 in range(10)
true

>>> for i in range(10):print(i,end=" ")
...
0 1 2 3 4 5 6 7 8 9

>>> r = range(4)
>>> i = iter(r)
>>> next(i)
0
>>> i.__next__()
1
>>> next(i)
2
>>> next(i)
3
>>> next(i)
traceback (most recent call last):
  file "<stdin>", line 1, in <module>
stopiteration

作为一个可迭代对象,它还支持len()操作和索引操作:

>>> r = range(5)
>>> len(r)
5
>>> r[2]
2

如果想要实现其它功能,可以将其转换为list/tuple/set,然后使用这些类型的功能。

总归要记住,迭代器是惰性的,不会一次性生成所有数据,而是按需一个一个收集起来的。

正如上面的range(),它不会一次性将所有数字序列都生成出来再返回,而是生成一个返回一个,需要的时候再生成一个返回一个,这能够节约内存空间。

map

map无论在perl还是在python中都是非常强大的工具,python中map的作用是对给定列表/元组/集合中的每个元素都应用一个函数操作。

比如,对一系列的数值全都乘2:

>>> def time2(x):return 2*x
>>> m = map(time2, [1,2,3,4,5])
>>> m
<map object at 0x000001afdc2c57b8>
>>> list(m)
[2, 4, 6, 8, 10]

再比如将字符串中的字符全都转换成大写,这次直接将map的结构全部收集到一个列表中:

>>> list( map(str.upper,"abcd") )
['a', 'b', 'c', 'd']

对于map,有几个注意点:

  1. map的第二个参数是元素集合,可以是任意可迭代对象,比如内置容器类型、range等
  2. map的第一个参数是想要对每个元素进行操作的函数,可以是已定义的函数,也可以是lambda。它是map的回调函数
    • 如果是已定义的函数,则只需传递函数名称
    • 如果是lambda,则需要指定正确数量的参数
  3. map自身返回的就是迭代器,也就是说它自己是自己的迭代器
  4. map是迭代操作,所以它的工作方式是惰性的,按需一次返回一个数据,而不是收集完所有数据后一次性返回
  5. 所有map操作都能替换成等价的for循环,但map的效率比for要高的多,基本能和解析操作的效率差不多

因为map返回的是自身的迭代器,所以可以被for/map/zip/in等迭代工具操作,例如手动迭代:

>>> 2 in map(time2,[1,2,3,4,5])
true

>>> m = map(str.upper,"abcd")
>>> m
<map object at 0x000001afdc2c5748>
>>> next(m)
'a'
>>> next(m)
'b'
>>> next(m)
'c'
>>> next(m)
'd'
>>> next(m)
traceback (most recent call last):
  file "<stdin>", line 1, in <module>
stopiteration

例如,使用lambda作为map的第一个回调函数的参数:

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

由于map操作的是迭代器中的每个元素,所以map一般都可以写成等价的列表解析操作。

>>> [ x * 2 for x in [1,2,3,4,5] ]
[2, 4, 6, 8, 10]

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

一般来说,如果map中使用了lambda,则map效率要稍低于列表解析,如果没有使用lambda,则map效率要稍高于列表解析。虽然它们效率差不多,但是如果可以的话,强烈建议使用列表解析,因为列表解析是python中极简洁、极可读的编码方式

zip

zip()函数可以从一个或多个可迭代对象中并行取出元素进行并行的迭代。它也是返回自身的迭代器。

例如:

>>> l1 = ["one","two","three"]
>>> l2 = [1,2,3]

>>> zip(l1,l2)
<zip object at 0x000001afdc2d9a08>
>>> list(zip(l1,l2))
[('one', 1), ('two', 2), ('three', 3)]

之所以能并行迭代多个可迭代对象,是因为它同时标记多个可迭代对象的迭代位置。如果zip的多个可迭代对象的长度不同,则以最短的长度为标准,因为zip最多只能标记到最短长度的迭代位置。

因为zip返回的是迭代器,所以可以使用迭代工具去操作zip的结果:

>>> l1 = ["one","two","three"]
>>> l2 = [1,2,3]

>>> ("one",1) in zip(l1,l2)
true

>>> for (x,y) in zip(l1,l2):print(x,"-->",y)
...
one --> 1
two --> 2
three --> 3

zip常用于构建dict,因为它并行从多个迭代对象中取数据:

>>> l1 = ["one","two","three"]
>>> l2 = [1,2,3]

>>> dict(zip(l1,l2))
{'one': 1, 'two': 2, 'three': 3}

需要注意的是,zip可以从任意可迭代对象中取元素,而集合/字典中的元素顺序是不定的,所以并行取出来的顺序可能不像想象中在位置上那般一一对应。

>>> l1={"one","two","three"}
>>> l2=[1,2,3]
>>> list(zip(l1,l2))
[('one', 1), ('three', 2), ('two', 3)]

filter

python中的filter函数类似于perl中的grep,用于从可迭代对象中筛选出元素被函数操作后为true的元素。

filter(function or none, iterable) --> filter object

例如,筛选出列表中字符串元素长度大于2的字符串:

>>> l = ["a","ab","abc","abcd"]
>>> l1 = filter( (lambda x: len(x) > 2), l )
>>> print(list(l1))
['abc', 'abcd']

上面的工作过程是迭代列表l,每取一个元素都放进函数中操作一番,如果这个元素放进函数中使得函数返回真,则保留这个元素,否则丢弃这个元素。

如果filter的函数部分为none,则表示直接从可迭代对象中取出元素为true的元素:

>>> list(filter(none,["a","ab",0,"","c"]))
['a', 'ab', 'c']

filter的返回结果是一个可迭代对象,可以进行迭代操作:

>>> for i in filter( (lambda x: len(x) > 2), l ): print(i)
...
abc
abcd

reduce

reduce的功能非常好用,看下面的示例:

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

它的语法为:

reduce(func, sequence[, initial]) -> value

reduce有两个过程:

  1. 先从sequence中取两个元素作为func的参数,该函数返回一个结果a。这是初始化的过程
  2. 将结果a与sequence的下一个元素作为func的参数,继续返回一个结果b,将结果b与下一个元素作为func参数,依次类推,直到迭代完sequence中所有元素

如果给reduce设置了initial参数,则跳过初始化的过程,直接将initial与sequence的第一个元素作为func的参数。如果没有给定sequence,而给了initial,则initial作为直接返回的默认值。

例如,从序列中取出最大值:

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

>>> reduce( lambda x, y: x if x>y else y, [1,2,3,4,5],10 )
10

多迭代和单迭代

range()和zip()、map()、filter()稍有不同。range()支持多迭代、而后三者只支持单迭代。

何为单迭代、何为多迭代?多迭代的意思是同一个对象上可以有多个互不影响的独立迭代器,各迭代器自己记住自己的迭代位置(状态信息)。单迭代的意思是同一个对象上只能有一个迭代器,即使创建了多个迭代器,它们也是串联起来互相影响的。

下面是range()的多迭代特性:

>>> r = range(3)   # 一个range对象r
>>> i1 = iter(r)   # range对象的一个迭代器
>>> i2 = iter(r)   # range对象的第二个迭代器
>>> next(i1)
0
>>> next(i1)
1
>>> next(i2)     # 和i1互不影响
0
>>> next(i2)
1
>>> next(i1)
2

下面的zip、map、filter单迭代的特性:

# zip的单迭代
>>> z = zip([1,2,3],[10,11,12]) # 自身是迭代器
>>> i1 = iter(z)       # 从自身获取可迭代对象i1
>>> i2 = iter(z)       # 从自身获取可迭代对象i2
>>> next(i1)
(1, 10)
>>> next(i2)  # i1和i2迭代的是同一个对象:自身
(2, 11)
>>> next(i1)
(3, 12)

之所以range()支持多迭代,而zip/map/filter都只支持单迭代,是因为:

  1. zip/map/filter返回的是自身的迭代器,它们的返回结果自身同时都实现了__iter__()__next__()两个方法,所以无论从它们的返回结果上产生多少个可迭代对象,操作的都是它们的对象自身,从而只支持单迭代
  2. range返回的不是自身迭代器,它的返回结果只实现了__iter__而没有实现__next__,所以需要通过iter()来生成可迭代对象(迭代器)。无论使用iter()从该返回结果产生多少个可迭代对象,都是互相独立的可迭代对象,从而支持多迭代

所以一般来说,不是自身迭代器的对象支持多个迭代器,而自身是自身迭代器的对象只支持单个迭代器。

常见的多迭代有range()和那些支持迭代的内置类型,比如字符串、列表、元组等。例如字符串的多迭代:

>>> s = "abc"
>>> for x in s:
...   for y in s:
...     print(x + y, end=" ")
aa ab ac ba bb bc ca cb cc