day17：高阶函数：map、reduce、sorted、fliter、lambda

目录一、map二、reduce三、sorted四、filter五、lambda六、整合练习 一、map map(fn,lsd) fn: 可以是自己写的，也可以是系统自带的 lsd: 一个序列 功能：把lsd中每一个元素分别作用在fn上 例如：字符串列表变为int列表 """ map(fn,lsd) fn: 可以是自己写的，也可以是系统自带的 lsd: 一个序列 功能：把lsd中每一个元素分别作用在fn上 """ #比如变为int列表 L = ["1","2","3","4","5"] L1 = [] for var in L: L1.append(int(var)) print(L 在Python编程语言中，高阶函数是一类可以接受一个或多个函数作为参数的函数，它们在函数式编程中扮演着重要角色。今天我们将探讨五个重要的高阶函数：`map()`、`reduce()`、`sorted()`、`filter()`以及`lambda`表达式。 一、`map()`函数 `map()`函数接受一个函数`fn`和一个序列`lsd`作为参数，将`fn`函数依次应用到`lsd`中的每个元素上，并返回一个迭代器。如果需要，可以通过`list()`将其转换为列表。例如，将一个包含字符串的列表转换为整数列表： ```python L = ["1", "2", "3", "4", "5"] res = list(map(int, L)) print(res) # 输出：[1, 2, 3, 4, 5] ``` 除了内置函数，`fn`还可以是你自定义的函数，例如： ```python def convert(key): dict1 = {"1": 1, "2": 2, "3": 3, "4": 4, "5": 5, "6": 6} return dict1[key] L = ["1", "2", "3", "4", "5"] res = list(map(convert, L)) print(res) # 输出：[1, 2, 3, 4, 5] ``` 二、`reduce()`函数 `reduce()`函数来自`functools`模块，它将一个函数`fn`和一个序列`lsd`作为输入，将序列的元素两两结合，通过`fn`函数不断运算，最终得到单一的结果。`fn`函数需要接受两个参数。例如，将一个列表元素相加： ```python from functools import reduce L = [1, 2, 3, 4, 5] res = reduce(lambda a, b: a + b, L) print(res) # 输出：15 ``` 三、`sorted()`函数 `sorted()`函数用于对列表进行排序，返回一个新的已排序的列表。与`list.sort()`方法不同，`sorted()`会返回一个新的列表，而`list.sort()`直接在原地排序。`sorted()`还可以接受一个`key`参数，指定排序规则。例如，按绝对值排序： ```python L = [3, 5, -856, 7645, -32, 1] res = sorted(L, key=abs) print(res) # 输出：[-32, 1, 3, 5, -856, 7645] ``` 四、`filter()`函数 `filter()`函数根据提供的函数`fn`过滤序列`lsd`，返回一个只包含使`fn`返回`True`的元素的迭代器。例如，过滤出偶数： ```python lsd = [1, 2, 3, 4, 5, 6, 7, 8, 9] res = list(filter(lambda x: x % 2 == 0, lsd)) print(res) # 输出：[2, 4, 6, 8] ``` 五、`lambda`表达式 `lambda`表达式是创建匿名函数的一种简洁方式，通常用于简单的、单行的函数定义。它的一般形式为`lambda 参数: 表达式`。例如，创建一个求平方的`lambda`函数： ```python square = lambda x: x ** 2 print(square(3)) # 输出：9 ``` 总结： 这些高阶函数在Python编程中非常实用，它们简化了代码，提高了代码的可读性和效率。`map()`用于对序列进行统一操作，`reduce()`用于将序列元素逐步合并为单个值，`sorted()`和`filter()`则分别用于排序和筛选序列，而`lambda`表达式则提供了创建简洁函数的能力。熟练掌握这些函数，能让你在编写Python代码时更加得心应手。