详解python中三种高阶函数（map,reduce,filter）

Python63
  • map(function,seq[,seq2]) 接收至少两个参数,基本作用为将传入的函数依次作用到序列的每个元素，并且把结果作为新的序列 返回一个可迭代的map对象
  • function:函数对象
    • py2中可为None，作用等同于zip()
      如：
      详解python中三种高阶函数（map,reduce,filter）
    • py3中不可为None，None是不可调用、不可迭代对象
  • seq:可迭代对象，可以传一个或多个
# 传一个：
def func(i):return i*2
print([i for i in map(func,[1,'2'])]) # [2,'22']

# 传多个
def func2(x,y):return x+y
print([i for i in map(func2,[1,2],[2,3])]) # [3, 5]

    图解：

详解python中三种高阶函数（map,reduce,filter）
详解python中三种高阶函数（map,reduce,filter）

结合图 map()的作用可以理解为：

# 传一个时
seq=[1,'2']
result=[]
def func(x):return x*2
for i in seq:
    result.append(func(i))
print(result)
# 传多个时
seq1=[1,2]
seq2=[2,3]
result=[]
def func2(x,y):return x+y
for x,y in zip(seq1,seq2):
    result.append(func2(x,y))
print(result)

当多个可迭代对象的长度不一致时，map只会取最短组合；同时每个可迭代对象相应位置参数类型需一致！(除了py支持的"str"*n)
如：

seq1=[1,2]
seq2=[2,3,4]
result=[]
def func2(x,y):return x+y
for x,y in zip(seq1,seq2):
    result.append(func2(x,y))
print(result) #[3,5]

map的function参数可以是lambda对象
如：

print([i for i in map(lambda x, y, z: (f'x:{x}', f'y:{y}', f'z:{z}'), [1, 2, 3, 4, 5], [1, 2, 3, 4], [1, 2])])
# [('x:1', 'y:1', 'z:1'), ('x:2', 'y:2', 'z:2')]
  • filter(function, seq)接收两个参数，基本作用是对可迭代对象中的元素进行过滤；并返回一个新的可迭代filter对象
  • function：函数对象，返回值必须是个boolean值
  • seq：可迭代对象
    如：获取所有小写的字符串
    print([i for i in filter(lambda k: str(k).islower(), ['Java', 'Python', 'js', 'php'])])
    # ['js', 'php']

等同于：

_list=['Java','Python','js','php']
result=[]
def is_lower(str_obj):return str(str_obj).islower()
for i in _list:
    if is_lower(i):
        result.append(i)
print(result)
  • reduce(function,seq[,initial])接收三个参数，基本作用为对序列进行累积；并返回结果。python3中reduce需从functools模块导入
  • function：函数对象
  • seq: 可迭代对象
  • initial：初始值，选填参数
    工作过程是：
    reduce在迭代seq的过程中，第一次先把 seq的前两个元素传给 函数function，函数处理后，再把得到的结果和第三个元素作为两个参数再次传递给函数function， 函数处理后得到的结果又和第四个元素作为两个参数传给函数function 依次类推，直至seq被迭代完。 如果传入了 initial 值， 那么首次传递的两个元素则是 initial值 和 第一个元素。经过一次次累计计算之后得到一个汇总返回值。
    如：求和
def _add(x, y):
    return x + y

# 指定initial
print(reduce(_add,[1],3)) # 4
print(reduce(_add, [1, 2], 2)) # 5
# 不指定initial
print(reduce(_add, [1, 2])) # 3
print(reduce(_add,[1])) # 1
print(reduce(_add, [1, 2, 3, 4, 5])) # 15

等同于：

def fact(n):
    if n == 1:
        return 1
    return n + fact(n - 1)

print(fact(5)) # 15

借助lambda：

print(reduce(lambda x, y: x + y, range(1, 6))) # 15

结合实际：假设我们要取出字典的key中包含某个关键字的键值对
如：取出下列字典中key值包含ECU的键值对

key = "ECU"
file_dict = {'value': 'name',
             '刷写ECU': 'burn_ecu_version=ecu_name,burn_package_url,(flash_method)',
             'BD升级ECU': 'bd_ecu_version=ecu_name,doip_package_url',
             '设置证书': 'set_ecu_certs=set_method,ecu_name,(bench_name)', 'x': {"ECU": "xx"}}

方法一：引入其他变量

result = {}
for k, v in file_dict.items():
    if key in k:
        result[k] = v
print(result)
# {'刷写ECU': 'burn_ecu_version=ecu_name,burn_package_url,(flash_method)', 'BD升级ECU': 'bd_ecu_version=ecu_name,doip_package_url'}

方法二：使用推导式

print(dict((k, v) for k, v in file_dict.items() if key in k))

方法三：reduce+map+filter

from functools import reduce
print(reduce(lambda x, y: x.update(y) or x,
             [i for i in map(lambda k: {k: file_dict[k]}, filter(lambda k: key in k, file_dict))]))

细心的同学肯定发现无法过滤出嵌套key。这是弊端
解决方案：递归

class GetResource:
    def __init__(self):
        self.result = {}

    def get_resource(self, key_str, data):

"""
        从dict中获取包含指定key的k,v
        :param key_str:
        :param data:
        :return:
"""

        if not isinstance(data, (dict, list, tuple)):
            pass
        elif isinstance(data, (list, tuple)):
            for index in data:
                self.get_resource(key_str, index)
        elif isinstance(data, dict):
            for k, v in data.items():
                if isinstance(v, str):
                    if key_str in k:
                        self.result[k] = v
                else:
                    self.get_resource(key_str, v)
        return self.result

print(GetResource().get_resource(key, file_dict))
# {'刷写ECU': 'burn_ecu_version=ecu_name,burn_package_url,(flash_method)', 'BD升级ECU': 'bd_ecu_version=ecu_name,doip_package_url', 'ECU': 'xx'}

Original: https://www.cnblogs.com/micheryu/p/15430271.html
Author: 网名余先生
Title: 详解python中三种高阶函数（map,reduce,filter）

相关阅读

Title: 【光学】Matlab实现色散曲线拟合

1 内容介绍

本文利用多项式拟合对三棱镜色散实验数据进行拟合。

2 仿真代码

function [Data,Name,len] = DataRead()

% 此函数为数据读取函数

%

% 功能：从'色散曲线数据'文件夹中依次读取每个文件的文件名（玻璃种类）与数据

% （玻璃n,k值）分别存入数组Name和元胞数组Data中，最后得到文件夹中文件的个数

% （玻璃种类个数）并赋值给len；

%

% 返回值：

% 元胞矩阵Data：包含每种玻璃的一系列n,k值

% 矩阵Name：包含每一种玻璃的名称

% 数值len：其值为玻璃种类的总数

%

%

subdir = dir('色散曲线数据'); %列出文件夹内容

len = length(subdir)-2; %计算除默认文件外文件总个数

Data = cell(1,len); %创建元胞矩阵

for i=1:len

Data{1,i} = csvread (['色散曲线数据/',subdir(i+2).name],1,0); %为元胞矩阵循环赋值

str{i} = [subdir(i+2).name]; %提取文件名

end

Name = strrep(str,'.csv',''); %消除文件名后缀

end

3 运行结果

详解python中三种高阶函数（map,reduce,filter）

4 参考文献

[1]陈修芳. 基于LSSVM的色散曲线拟合[J]. 大学物理实验, 2013, 26(5):2.

[2]严达利, 孙佩雄, 寇晶. 三棱镜色散曲线拟合的MATLAB-GUI设计[J]. 实验室科学, 2010, 13(3):3.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

Original: https://blog.51cto.com/u_15287693/5609804
Author: matlab科研助手
Title: 【光学】Matlab实现色散曲线拟合