骏马金龙 (新博客:www.junmajinlong.com)

网名骏马金龙,钟情于IT世界里的各种原理和实现机制,强迫症重症患者。爱研究、爱翻译、爱分享。特借此一亩三分田记录自己成长点滴!!!

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

解析、迭代和生成系列文章:https://www.cnblogs.com/f-ck-need-u/p/9832640.html


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']

map支持多个元素集合,它会每次从这些元素集合中并行取出一个元素作为函数的参数:

>>> list( map(pow, [1,2,3], [2,3,4]) )
[1, 8, 81]

第一次取出1和2作为pow的参数,所以计算的是pow(1,2)得到1;第二次取出2和3作为pow的参数,所以计算的是pow(2,3)得到8,第三次取出的是3和4,所以计算的是pow(3,4)得到81。

对于map,有几个注意点:

  1. map可以有多个参数,从第二个参数开始是元素集合,这些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 
posted @ 2019-01-12 19:36  骏马金龙  阅读(1898)  评论(0编辑  收藏  举报