Python中堪称神仙的6个内置函数

人生苦短，菜鸟学Python！

我是菜鸟哥，今天，咱们就来了，我们会一次性分享6个堪称神仙的内置函数。在很多计算机书籍中，它们也通常作为高阶函数来介绍。而我自己在日常工作中，经常使用它们来使代码更快，更易于理解。

Lambda 函数

Lambda函数用于创建匿名函数，即没有名称的函数。它只是一个表达式，函数体比def简单很多。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了。

lambda [arg1 [,arg2,.....argn]]:expression

lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。例如：

lambda x: x+2

如果我们也想像def定义的函数随时调用，可以将lambda函数分配给这样的函数对象。

add2 = lambda x: x+2
add2(10)

输出结果：

利用Lambda函数，可以将代码简化很多，具体再举个例子。

如上图所示，结果列表newlist是使用lambda函数用一行代码生成的。

Map 函数

map()函数会将一个函数映射到一个输入列表的所有元素上。

map(function,iterable)

比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表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

输出结果：

此外，我们还可以使用匿名函数lambda来配合map函数，这样可以更加精简。

colors=['red','yellow','green','black']
colors_uppercase=list(map(lambda x: x.upper(),colors))
colors_uppercase

如果我们不用Map函数的话，就需要使用for循环。

如上图所示，在实际使用中Map函数会比for循环依次列表元素的方法快1.5倍。

Reduce函数

当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数。举个例子，当需要计算一个整数列表所有元素的乘积时，即可使用reduce函数实现。^[1]

它与函数的最大的区别就是，reduce()里的映射函数（function）接收两个参数，而map接收一个参数。

reduce(function, iterable[, initializer]) 

接下来我们用实例来演示reduce()的代码执行过程。

from functools import reduce
def add(x, y) :   # 两数相加
    return x + y
numbers = [1,2,3,4,5]
sum1 = reduce(add, numbers)   # 计算列表和

得到结果sum1 = 15，其代码执行过程如下方动图所示。

结合上图我们会看到，reduce将一个相加函数add()作用在一个列表[1,2,3,4,5]上，映射函数接收了两个参数，reduce()把结果继续和列表的下一个元素做累加计算。

此外，我们同样可以使用匿名函数lambda来配合reduce函数，这样可以更加精简。

from functools import reduce
numbers = [1,2,3,4,5]
sum2 = reduce(lambda x, y: x+y, numbers)

得到输出sum2= 15，与之前结果保持一致。

需要注意：Python3.x开始reduce()已经被移到functools模块里^[2]，如果我们要使用，需要用from functools import reduce导入.

enumerate 函数

enumerate()函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中。它的语法如下所示：

enumerate(iterable, start=0)

它的两个参数，一个是序列、迭代器或其他支持迭代对象；另一个是下标起始位置，默认情况从0开始，也可以自定义计数器的起始编号。

colors = ['red', 'yellow', 'green', 'black']
result = enumerate(colors)

如果我们有一个存放colors的颜色列表，运行后就会得到一个enumerate(枚举) 对象。它可以直接在for循环中使用，也可以转换为列表，具体用法如下所示。

for count, element in result:
    print(f"迭代编号:{count},对应元素:{element}")

Zip 函数

zip()函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表^[3]。

我们还是用两个列表作为例子演示：

colors = ['red', 'yellow', 'green', 'black']
fruits = ['apple', 'pineapple', 'grapes', 'cherry']
for item in zip(colors,fruits):
    print(item)

输出结果：

当我们使用zip()函数时，如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同。

prices =[100,50,120]
for item in zip(colors,fruits,prices):
    print(item)

Filter 函数

filter()函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表，其语法如下所示^[4]。

filter(function, iterable)

比如举个例子，我们可以先创建一个函数来检查单词是否为大写，然后使用filter()函数过滤出列表中的所有奇数：

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)

输出结果：

今天分享的这6个内置函数，在使用 Python 进行数据分析或者其他复杂的自动化任务时非常方便。

如果喜欢本文，欢迎给右下角点赞👍

参考资料