Python中堪稱神仙的6個(gè)內(nèi)置函數(shù)

人生苦短,快學(xué)Python!
大家好,我是小五。之前給大家分享過3個(gè)節(jié)省時(shí)間的Python技巧,當(dāng)時(shí)就提出了,大家可以多使用Python的內(nèi)置函數(shù),既能提高自己的Python程序速度,同時(shí)還能保持代碼簡(jiǎn)潔易懂。
今天,它們就來了,我們會(huì)一次性分享6個(gè)堪稱神仙的內(nèi)置函數(shù)。在很多計(jì)算機(jī)書籍中,它們也通常作為高階函數(shù)來介紹。而我自己在日常工作中,經(jīng)常使用它們來使代碼更快,更易于理解。

Lambda 函數(shù)
Lambda函數(shù)用于創(chuàng)建匿名函數(shù),即沒有名稱的函數(shù)。它只是一個(gè)表達(dá)式,函數(shù)體比def簡(jiǎn)單很多。當(dāng)我們需要?jiǎng)?chuàng)建一個(gè)函數(shù)來執(zhí)行單個(gè)操作并且可以在一行中編寫時(shí),就可以用到匿名函數(shù)了。
lambda?[arg1?[,arg2,.....argn]]:expression
lambda的主體是一個(gè)表達(dá)式,而不是一個(gè)代碼塊。僅僅能在lambda表達(dá)式中封裝有限的邏輯進(jìn)去。例如:
lambda?x:?x+2
如果我們也想像def定義的函數(shù)隨時(shí)調(diào)用,可以將lambda函數(shù)分配給這樣的函數(shù)對(duì)象。
add2?=?lambda?x:?x+2
add2(10)
輸出結(jié)果:

利用Lambda函數(shù),可以將代碼簡(jiǎn)化很多,具體再舉個(gè)例子。

如上圖所示,結(jié)果列表newlist是使用lambda函數(shù)用一行代碼生成的。
Map 函數(shù)
map()函數(shù)會(huì)將一個(gè)函數(shù)映射到一個(gè)輸入列表的所有元素上。
map(function,iterable)
比如我們先創(chuàng)建了一個(gè)函數(shù)來返回一個(gè)大寫的輸入單詞,然后將此函數(shù)應(yīng)有到列表colors中的所有元素。
def?makeupper(word):
????return?word.upper()
colors=['red','yellow','green','black']
colors_uppercase=list(map(makeupper,colors))
colors_uppercase
輸出結(jié)果:

此外,我們還可以使用匿名函數(shù)lambda來配合map函數(shù),這樣可以更加精簡(jiǎn)。
colors=['red','yellow','green','black']
colors_uppercase=list(map(lambda?x:?x.upper(),colors))
colors_uppercase
如果我們不用Map函數(shù)的話,就需要使用for循環(huán)。

如上圖所示,在實(shí)際使用中Map函數(shù)會(huì)比f(wàn)or循環(huán)依次列表元素的方法快1.5倍。
Reduce函數(shù)
當(dāng)需要對(duì)一個(gè)列表進(jìn)行一些計(jì)算并返回結(jié)果時(shí),reduce()是個(gè)非常有用的函數(shù)。舉個(gè)例子,當(dāng)需要計(jì)算一個(gè)整數(shù)列表所有元素的乘積時(shí),即可使用reduce函數(shù)實(shí)現(xiàn)。[1]
它與函數(shù)的最大的區(qū)別就是,reduce()里的映射函數(shù)(function)接收兩個(gè)參數(shù),而map接收一個(gè)參數(shù)。
reduce(function,?iterable[,?initializer])?
接下來我們用實(shí)例來演示reduce()的代碼執(zhí)行過程。
from?functools?import?reduce
def?add(x,?y)?:???#?兩數(shù)相加
????return?x?+?y
numbers?=?[1,2,3,4,5]
sum1?=?reduce(add,?numbers)???#?計(jì)算列表和
得到結(jié)果sum1 = 15,其代碼執(zhí)行過程如下方動(dòng)圖所示。

結(jié)合上圖我們會(huì)看到,reduce將一個(gè)相加函數(shù)add()作用在一個(gè)列表[1,2,3,4,5]上,映射函數(shù)接收了兩個(gè)參數(shù),reduce()把結(jié)果繼續(xù)和列表的下一個(gè)元素做累加計(jì)算。
此外,我們同樣可以使用匿名函數(shù)lambda來配合reduce函數(shù),這樣可以更加精簡(jiǎn)。
from?functools?import?reduce
numbers?=?[1,2,3,4,5]
sum2?=?reduce(lambda?x,?y:?x+y,?numbers)
得到輸出sum2= 15,與之前結(jié)果保持一致。
需要注意:Python3.x開始
reduce()已經(jīng)被移到functools模塊里[2],如果我們要使用,需要用from functools import reduce導(dǎo)入.
enumerate 函數(shù)
enumerate()函數(shù)用于將一個(gè)可遍歷的數(shù)據(jù)對(duì)象(如列表、元組或字符串)組合為一個(gè)索引序列,同時(shí)列出數(shù)據(jù)和數(shù)據(jù)下標(biāo),一般用在for循環(huán)當(dāng)中。它的語(yǔ)法如下所示:
enumerate(iterable,?start=0)
它的兩個(gè)參數(shù),一個(gè)是序列、迭代器或其他支持迭代對(duì)象;另一個(gè)是下標(biāo)起始位置,默認(rèn)情況從0開始,也可以自定義計(jì)數(shù)器的起始編號(hào)。
colors?=?['red',?'yellow',?'green',?'black']
result?=?enumerate(colors)
如果我們有一個(gè)存放colors的顏色列表,運(yùn)行后就會(huì)得到一個(gè)enumerate(枚舉) 對(duì)象。它可以直接在for循環(huán)中使用,也可以轉(zhuǎn)換為列表,具體用法如下所示。
for?count,?element?in?result:
????print(f"迭代編號(hào):{count},對(duì)應(yīng)元素:{element}")

Zip 函數(shù)
zip()函數(shù)用于將可迭代的對(duì)象作為參數(shù),將對(duì)象中對(duì)應(yīng)的元素打包成一個(gè)個(gè)元組,然后返回由這些元組組成的列表[3]。
我們還是用兩個(gè)列表作為例子演示:
colors?=?['red',?'yellow',?'green',?'black']
fruits?=?['apple',?'pineapple',?'grapes',?'cherry']
for?item?in?zip(colors,fruits):
????print(item)
輸出結(jié)果:

當(dāng)我們使用zip()函數(shù)時(shí),如果各個(gè)迭代器的元素個(gè)數(shù)不一致,則返回列表長(zhǎng)度與最短的對(duì)象相同。
prices?=[100,50,120]
for?item?in?zip(colors,fruits,prices):
????print(item)

Filter 函數(shù)
filter()函數(shù)用于過濾序列,過濾掉不符合條件的元素,返回由符合條件元素組成的新列表,其語(yǔ)法如下所示[4]。
filter(function,?iterable)
比如舉個(gè)例子,我們可以先創(chuàng)建一個(gè)函數(shù)來檢查單詞是否為大寫,然后使用filter()函數(shù)過濾出列表中的所有奇數(shù):
def?is_odd(n):
????return?n?%?2?==?1
old_list?=?[1,?2,?3,?4,?5,?6,?7,?8,?9,?10]
new_list?=?filter(is_odd,?old_list)
print(newlist)
輸出結(jié)果:

今天分享的這6個(gè)內(nèi)置函數(shù),在使用 Python 進(jìn)行數(shù)據(jù)分析或者其他復(fù)雜的自動(dòng)化任務(wù)時(shí)非常方便。
如果喜歡本文,歡迎給右下角點(diǎn)贊??
參考資料
書籍: 機(jī)械工業(yè)出版社-《Python編程基礎(chǔ)》
[2]菜鳥教程: https://www.runoob.com/python/python-func-reduce.html
[3]菜鳥教程: https://www.runoob.com/python/python-func-zip.html
[4]towardsdatascience: https://towardsdatascience.com/


