Python开发之几个内联函数的介绍
Python本身有很多内置的函数供开发人员使用,其中有几个感觉挺有学习价值,在这里记录一下。
- lambda
- zip
- filter
- map
- reduce
lambda
Python允许单行快速定义一个最小函数,这便是lambda函数。比如,原本使用常规的函数去定义,它可能是如下形式:
def add(x,y):
return x+y
而使用lambda函数的语法形式,它可以轻松简化为单行代码:
add_by_lambda = lambda x,y: x+y
其中,x,y便是函数入口参数,而后面则是具体的函数体,默认lambda可以返回一个函数对象,相应的调用效果类似:
print add(1, 1)
print add_by_lambda(1, 1)
甚至还可以直接在后面追加实参来直接获取返回值,比如lambda x,y : x+y, 1, 1
返回结果就是2
lambda函数使得Python代码可以变得更加优雅、简洁。
zip
Python内置的zip函数接受任意多个list作为参数,并把相同索引的元素组合成tuple,最后形成一个新的list,新的list长度以传入参数的最小值为准。比如:
x = [ 1, 2, 3]
y = [ 'a', 'b', 'aa', 'bb']
z = [ 'A', 'B', 'C']
# zip them!
print zip(x,y,z)
# (*) 是 zip的反函数
print zip(*zip(x,y,z))
print zip(*([(1, 'a', 'aa'), (2, 'b', 'bb'), (3, 'c', 'cc')]))
filter
filter函数接受两个参数,func和list,而经过过滤后返回一个list,其中func函数对象只能有一个传入参数。原理便是根据列表list中所有元素作为参数传递给函数func,返回可以令func返回真的元素的列表,如果func为None,那么会使用默认的Python内置的identity函数直接判断元素的True or False。
例如:
a = [1,2,3,4,5,6,7]
b=filter(lambda x:x>2, a)
print b
#过滤奇数集
a = [1,2,3,4,5,6,7]
b=filter(lambda x:x%2, a)
print b
map
map函数是一个很强大的一个映射函数,其传入两个参数,一个是func,一个是list,而功效便是func作用于给定序列的每个元素,并用一个列表来提供返回值。例如:
a=[0,1,2,3,4,5,6,7]
map(lambda x:x+3, a)
a=[1,2,3]
b=[4,5,6]
map(lambda x,y:x+y, a,b)
#my_map函数实现
def my_map(func, *args):
return [ func(arg) for arg in args ]
上面的代码假使通过for循环方式实现的话,不仅代码行数变多,而且可能多层if判断,结构冗余,完全没有map方式来得简洁、优雅。
reduce
reduce函数传入参数为func和list,其遍历list元素,并调用func函数实现累积,具体效果便是:
reduce(f, [x1, x2, x3, x4]) = f ( f ( f ( x1, x2 ), x3 ), x4 )
使用范例如下:
#str to int
def str2int(s):
return reduce(lambda x,y: x*10+y, map(int, s))
一些妙用
以上简单介绍了五个强大简洁的Python内置函数的用法,下面附上一些小巧精妙的例子,以飨读者。
#两个list,取(x - y) + (y - x)
x=[{'a': 1, 'b': 2}, {'c': 3}, {'d': 4}]
y=[{'a': 1}, {'c': 3}, {'e': 5}]
filter(lambda z: (x+y).count(z)<2, (x+y))
#flatten out nested sublist
#result: [ 1, 2, 3, 4, 5 ]
import operator
reduce( operator.concat, [ [ 1, 2 ], [ 3, 4 ], [ ], [ 5 ] ], [ ] )
#多项式求和
import operator
def evaluate (a, x):
xi = map( lambda i: x**i, range( 0, len(a)))
axi = map(operator.mul, a, xi)
return reduce( operator.add, axi, 0 )
#数据库SQL
reduce( max, map( Camera.pixels, filter(
lambda c: c.brand() == "Nikon", cameras ) ) )
#maybe equals
SELECT max(pixels)
FROM cameras
WHERE brand = “Nikon”
#There.
#cameras is a sequence
#where clause is a filter
#pixels is a map
#max is a reduce
#一行并发
import urllib2
from multiprocessing.dummy import Pool as ThreadPool
urls = [
'http://www.python.org',
'http://www.google.com',
'http://www.baidu.com',
'http://www.python.org/community/',
'http://www.saltstack.com'
]
#pool = ThreadPool()
pool = ThreadPool(4) # Sets the pool size to 4
result = pool.map(urllib2.urlopen, urls)
pool.close()
pool.join()
上述的代码实现相较普通的for循环等实现方式是不是特别的简洁、优雅呢? 尝试着使用它们吧!
========================================================
参考: MIT Lecture 、Python 的一行并发
========================================================