python高阶函数，map，filter，reduce，ord，以及lambda表达式
Posted 篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python高阶函数，map，filter，reduce，ord，以及lambda表达式相关的知识，希望对你有一定的参考价值。 为什么我突然扯出这么几个函数，是因为我今天在看流畅的python这本书的时候，里面有一部分内容看的有点懵逼。 下面根据这里面的所有的函数展开整理一下 1.ord是将字符转换为10进制的数 2.而map是将列表内元素当做某个函数的参数得到的结果组成的新列表 3.filter是将一个列表按照一定的规则过滤生成的列表 ambda表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数。 示例： 1.1应用在函数式编程中 Python提供了很多函数式编程的特性，如：map、reduce、filter、sorted等这些函数都支持函数作为参数，lambda函数就可以应用在函数式编程中。如下： 当然，也可以如下： 只不过这种方式的代码看起来不够Pythonic 1.2应用在闭包中 当然，也可以用常规函数实现闭包，如下： 只不过这种方式显得有点啰嗦。 那么是不是任何情况下lambda函数都要比常规函数更清晰明了呢？ 肯定不是。 Python之禅中有这么一句话：Explicit is better than implicit（明了胜于晦涩），就是说那种方式更清晰就用哪一种方式，不要盲目的都使用lambda表达式。 map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。 现在，我们用Python代码实现： map()传入的第一个参数是f，即函数对象本身。 的确可以，但是，从上面的循环代码，能一眼看明白“把f(x)作用在list的每一个元素并把结果生成一个新的list”吗？ 只需要一行代码。 reduce把一个函数作用在一个序列[x1, x2, x3…]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是： 比方说对一个序列求和，就可以用reduce实现： 当然求和运算可以直接用Python内建函数sum()，没必要动用reduce。 这个例子本身没多大用处，但是，如果考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()，我们就可以写出把str转换为int的函数： 整理成一个str2int的函数就是： 还可以用lambda函数进一步简化成： 也就是说，假设Python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码！ Python内建的filter()函数用于过滤序列。 True保留，False丢弃 把一个序列中的空字符串删掉，可以这么写： 可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。 ord() 函数是 chr() 函数（对于8位的ASCII字符串）或 unichr() 函数（对于Unicode对象）的配对函数，它以一个字符（长度为1的字符串）作为参数，返回对应的 ASCII 数值，或者 Unicode 数值，如果所给的 Unicode 字符超出了你的 Python 定义范围，则会引发一个 TypeError 的异常。 描述 ord() 函数是 chr() 函数（对于8位的ASCII字符串）或 unichr() 函数（对于Unicode对象）的配对函数，它以一个字符（长度为1的字符串）作为参数，返回对应的 ASCII 数值，或者 Unicode 数值，如果所给的 Unicode 字符超出了你的 Python 定义范围，则会引发一个 TypeError 的异常。 语法 以下是 ord() 方法的语法: 参数 返回值 返回值是对应的十进制整数 实例 以下展示了使用 ord() 方法的实例： 以上是关于python高阶函数，map，filter，reduce，ord，以及lambda表达式的主要内容，如果未能解决你的问题，请参考以下文章 Python 学习笔记 -- 内嵌函数闭包匿名函数高阶函数map高阶函数filter高阶函数reduce python-高阶函数（map,reduce,filter） python--函数式编程 (高阶函数(map , reduce ,filter,sorted)，匿名函数(lambda)) 函数式编程 & Python中的高阶函数map reduce filter 和sorted>>> symbols = \'$¢£¥€¤\'
>>> beyond_ascii = [ord(s) for s in symbols if ord(s) > 127]
>>> beyond_ascii
[162, 163, 165, 8364, 164]
>>> beyond_ascii = list(filter(lambda c: c > 127, map(ord, symbols)))
>>> beyond_ascii
[162, 163, 165, 8364, 164]
1.lambda表达式
add = lambda x, y : x+y
add(1,2) # 结果为3
# 需求：将列表中的元素按照绝对值大小进行升序排列list1 = [3,5,-4,-1,0,-2,-6]
sorted(list1, key=lambda x: abs(x))
list1 = [3,5,-4,-1,0,-2,-6]
def get_abs(x):
return abs(x)
sorted(list1,key=get_abs)
def get_y(a,b):
return lambda x:ax+b
y1 = get_y(1,1)
y1(1) # 结果为2
def get_y(a,b):
def func(x):
return ax+b
return func
y1 = get_y(1,1)
y1(1) # 结果为2
2.Map函数
举例说明
比如我们有一个函数f(x)=x2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下： 
>>> def f(x):
... return x * x
...
>>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, 64, 81]
你可能会想，不需要map()函数，写一个循环，也可以计算出结果：L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
L.append(f(n))print L
所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x2，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串：>>> map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[\'1\', \'2\', \'3\', \'4\', \'5\', \'6\', \'7\', \'8\', \'9\']
3.Reduce函数
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25
但是如果要把序列[1, 3, 5, 7, 9]变换成整数13579，reduce就可以派上用场：>>> def fn(x, y):
... return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579
>>> def fn(x, y):
... return x * 10 + y
...
>>> def char2num(s):
... return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
...
>>> reduce(fn, map(char2num, \'13579\'))
13579
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
return reduce(fn, map(char2num, s))
def char2num(s):
return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
def str2int(s):
return reduce(lambda x,y: x*10+y, map(char2num, s))
4.Filter函数
和map()类似，filter()也接收一个函数和一个序列。和map()不同的时，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
例如，在一个list中，删掉偶数，只保留奇数，可以这么写：def is_odd(n):
return n % 2 == 1
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]
def not_empty(s):
return s and s.strip()
filter(not_empty, [\'A\', \'\', \'B\', None, \'C\', \' \'])
# 结果: [\'A\', \'B\', \'C\']
5.ord函数
ord(c)
>>>ord(\'a\')
97
>>> ord(\'b\')
98
>>> ord(\'c\')
99