引言
按, 作为一个Python初学者, Python的格式化语法让众多编程小白追捧, 它的语法糖让代码变得简洁易读, 它的庞大开源库让它在各个领域都能发挥作用. 但我时常感受到这个门槛极低的语言远没有表面上看起来易懂易用. 在Python的学习之路上, 我也时常迷茫于自己是否真正掌握了这门语言. Stackoverflow上有一篇帖子很好地说明了Python的进阶之路, 于是我准备顺着这个思路写写各个要点.
注: 本文主要参照Python 3.5官方文档
根据这篇帖子, Python进阶之路: 从小白到大白.
- Discover list comprehensions
- Discover generators generator漫谈 更多方法 优劣点(未完成)
- Incorporate map, reduce, filter, iter, range, xrange (在Python 3中已与range合并) often into your code 本文
- Discover Decorators
- Write recursive functions, a lot
- Discover itertools and functools
- Read Real World Haskell (read free online)
- Rewrite all your old Python code with tons of higher order functions, recursion, and whatnot.
- Annoy your cubicle mates every time they present you with a Python class. Claim it could be “better” implemented as a dictionary plus some functions. Embrace functional programming.
- Rediscover the Strategy pattern and then all those things from imperative code you tried so hard to forget after Haskell.
- Find a balance.
正文
Lambda
提到 map, reduce, filter, 首先需要了解的概念是lambda function. 这个概念源于如今火热的以Scala为代表的函数式编程(Functional Programming Languages). 那么lambda function与普通的function有什么区别呢? 我们来看一个例子:
1 2 3 4 5 6 7 8 9 10 | >>> # function >>> def f(x, y): ... return x + y ... >>> f(1, 2) 3 >>> # lambda expression >>> L = lambda x, y: x + y >>> print(L(1, 2)) 3 |
按照python document, lambda是anonymous functions, 也就是说它没有函数名. 因此, 在文档中, 它也被称作是 expression, 而非函数. 另一个区别在于它的return 就是表达式本身, 在这个例子里是 x+y.
lambda的一般形式是:
1 | lambda argument_list : expression using arguments |
lambda 也有两个特性:
- lambda 是 expression 而非 statement. 因此, lambda可以在任何地方使用, 如它可以作为 argument 的一部分:
1 2 3 4 | >>> pairs = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')] >>> pairs.sort(key=lambda pair: pair[1]) >>> pairs [(4, 'four'), (1, 'one'), (3, 'three'), (2, 'two')] |
- lambda 主体部分是 expression.
lambda的expression和function中的return部分很像, 紧凑, 简洁. 但代价是无法写出更加通用的程序. 因此从语义的角度上说, lambda 仅仅是一种语法糖.
map filter reduce
1 2 3 4 5 6 7 8 9 10 11 | >>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27] >>> # map >>> list(map(lambda x: x * 2, foo)) [4, 36, 18, 44, 34, 48, 16, 24, 54] >>> # filter >>> list(filter(lambda x: x % 2 == 0, foo)) [2, 18, 22, 24, 8, 12] >>> # reduce >>> import functools >>> functools.reduce(lambda x, y: x + y,foo) 139 |
以上, 我们可以看出map, filter, reduce 都有两个arguments: function和list. 它们的形式如下:
1 2 3 | map(func, seq) filter(func, seq) reduce(func, seq) |
这里的func，可以是lambda 也可以是function. 需要注意的是在Python 3 中, map和filter都是iterator, 因此, 我们需要list()将结果生成出来; 而reduce在Python3中被放到了functools包中.
具体来说, map是将func应用到seq中的各个元素. 例子里, 对于list中的元素, 每个元素乘以2. 当然, 多个lists也是没有问题的.
1 2 3 4 | >>> foo = [1, 2, 3] >>> bar = [3, 2, 1] >>> list(map(lambda x, y: x + y, foo, bar)) [4, 4, 4] |
filter同样是将func应用到各元素, 并返回结果为True的元素. 通过filter可以很方便的取出一部分元素.
1 2 3 4 5 | >>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27] >>> list(filter(lambda x: x % 2, foo)) # find odds [9, 17, 27] >>> list(filter(lambda x: x % 2 == 0, foo)) # find evens [2, 18, 22, 24, 8, 12] |
reduce 比较特殊, 它不断的将list中前两个元素拿出来当作程序的变量,最终返回一个值. 如图所示:
Source: http://www.python-course.eu/python3_lambda.php
由上图, 很自然的, 我们可以直接计算阶乘
1 2 | >>> functools.reduce(lambda x, y: x * y, range(1, 11)) 3628800 |
总结
map, filter和reduce的作用在于将lambda或者function变成高阶(high-order) 函数. 虽然Python之父Guido van Rossum在“All Things Pythonic: The fate of reduce() in Python 3000”中曾说, 他放弃lambda, map(), filter() and reduce()的原因, 并希望远离Lisp(最早的函数式语言). 他的理由包括 :
- 有很多其他的替代方案, 比如本系列第一部分 list comprehension
1 2 3 4 5 6 7 | >>> Celsius = [39.2, 36.5, 37.3, 37.8] >>> # map >>> list(map(lambda x: (float(9)/5)*x + 32, Celsius)) [102.56, 97.7, 99.14, 100.03999999999999] >>> # list comprehension >>> [ ((float(9)/5)*x + 32) for x in Celsius ] [102.56, 97.7, 99.14, 100.03999999999999] |
- List comprehension 更明确, 易于理解, 如上例
- list comprehension和 “filter, map, reduce and lambda” 都可能违背了Python的宗旨 “There should be one obvious way to solve a problem” according to The Zen of Python
Anyway, 以上这些functions都会节省我们的代码量, 可谓是码农的福音. 毕竟人生苦短, 我用Python.