Python中的map()函数和reduce()函数的用法

Python中的map()函数和reduce()函数的用法这篇文章主要介绍了Python中的map()函数和reduce()函数的用法,代码基于Python2.x版本,需要的朋友可以参考下

a= map

(

str

,
[

1

,

2

,

3

,

4

,

5

,

6

,

7

,

8

,

9

])

a强转string类型了

例子1：a=[1.2,1.3,1.4]b=map(int,a)b的类型全部强转int类型了例子2：eval是说，p里面放的是表达式，存放执行后的结果，如果是‘1.0’，存放的时候转化为float 1.0存进去

imagesdata.append(map(eval,p[1:]))

解析的时候：

c=  [i for i in p]
for item in c:
dim_sum += item
print(item)

Python内建了map()和reduce()函数。
如果你读过Google的那篇大名鼎鼎的论文“MapReduce: Simplified Data Processing on Large Clusters”，你就能大概明白map/reduce的概念。
我们先看map。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。
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：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。
你可能会想，不需要map()函数，写一个循环，也可以计算出结果：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？
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：只需要一行代码。
再看reduce的用法。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：
reduce(f,[x1,x2,x3,x4]) = f(f(f(x1,x2),x3),x4)
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。
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：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！
练习
利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：['adam','LISA','barT']，输出：['Adam','Lisa','Bart']。
Python提供的sum()函数可以接受一个list并求和，请编写一个prod()函数，可以接受一个list并利用reduce()求积。

a= map

(

str

,
[

1

,

2

,

3

,

4

,

5

,

6

,

7

,

8

,

9

])

a强转string类型了

例子1：a=[1.2,1.3,1.4]b=map(int,a)b的类型全部强转int类型了例子2：eval是说，p里面放的是表达式，存放执行后的结果，如果是‘1.0’，存放的时候转化为float 1.0存进去

imagesdata.append(map(eval,p[1:]))

解析的时候：

c=  [i for i in p]
for item in c:
dim_sum += item
print(item)