python reduce函数

     python内置函数reduce 和 map/filter等函数有点类似，都是通过函数对迭代器中的元素进行遍历操作，唯一区别是reduce函数是返回计算结果是一个值，而map/filter是返回一个序列或者迭代器，下面在做详细解释

一.reduce函数简介

1.语法

from functools import reduce # 导入模块
reduce(function, sequence[, initial])

 

参数介绍：

    function – 有两个参数的函数， 必需参数；

    sequence – tuple ，list ，dictionary， string等可迭代物，必需参数；

    initial – 初始值， 可选参数；

返回值：返回计算结果；

 

2.原理 – 把上一次计算的结果作为下一次的计算的输入

    reduce的工作过程是 ：在迭代sequence(tuple ，list ，dictionary， string等可迭代物)的过程中，首先把 前两个元素传给 函数参数，函数加工后，然后把得到的结果和第三个元素作为两个参数传给函数参数， 函数加工后得到的结果又和第四个元素作为两个参数传给函数参数，依次类推。 如果传入了 initial 值， 那么首先传的就不是 sequence 的第一个和第二个元素，而是 initial值和 第一个元素。经过这样的累计计算之后合并序列到一个单一返回值；

例如：reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) 计算的就是((((1+2)+3)+4)+5) = 15

 

二.reduce函数使用

1.reduce函数普通使用

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): shuopython.com
@WeChat Official Account(微信公众号)：猿说python
@Github:www.github.com
 
@File:python_reduce.py
@Time:2020/3/6 10:25
 
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
 
from functools import reduce # 导入模块
 
def func1(x,y):
    # 把上一次计算的结果作为下一次的计算的输入
    print("x=%d y=%d x*y=%d"%(x,y,x*y))
    return x*y
 
if __name__ == "__main__":
    list1 = [1,2,3,4,5]
    value = reduce(func1,list1) #等价 1*2*3*4*5 = 120
    print(value)
    print(type(value))

 

输出结果：

x=1 y=2 x*y=2
x=2 y=3 x*y=6
x=6 y=4 x*y=24
x=24 y=5 x*y=120
120
<class 'int'>

实际上这个函数很简单：把上一次计算的结果作为下一次的计算的输入！

 

2.reduce函数配合匿名函数使用

if __name__ == "__main__":
    list1 = [1,2,3,4,5]
    value = reduce(lambda x,y : x*y ,list1) #等价 1*2*3*4*5 = 120
    print(value)
    print(type(value))

输出结果：

120
<class 'int'>

 

3.reduce函数设置可选参数initial

from functools import reduce # 导入模块
 
def func1(x,y):
    return x*y
 
if __name__ == "__main__":
    list1 = [1,2,3,4,5]
    value = reduce(func1,list1,50) #等价 50*1*2*3*4*5 = 6000
    print(value)
    print(type(value))

输出结果：

6000
<class 'int'>

 

 

 

猜你喜欢:

    1.python format函数/print 函数详细讲解

    2.python 局部变量和全局变量

    3.python 浅拷贝和深拷贝

 

    转载请注明：猿说Python » python reduce函数

 

技术交流、商务合作请直接联系博主

扫码或搜索：猿说python

猿说python

微信公众号 扫一扫关注