成为VIP
Map和Reduce是在数据处理中很常用的两种方法。
Map
Map是指对数据集合中的每个元素执行相同的运算，并将所得的结果构建成新的集合。这种方式也使得map运算很适合在分布式环境下执行，把任务分配给多个运算节点进行处理。
在Python中，map函数的定义如下：
map(func, *iterables)其中，func参数是应用到每个元素的函数。iterables参数是要操作的可迭代的对象。iterables的数量与func函数的参数数量相对应。
在Python 3中，map函数返回一个生成器对象,可以使用list()将结果转换为列表对象。来看一个简单的例子。
people = ["zhang","wang","li","zhao"]
titles = list(map(str.title, people))
print(titles)上述代码中，map的第一个参数是函数str.tilte，用于将字符串中单词的首字母大写；第二个参数people是一个列表。上述代码的结果是将列表people中的每项都改成首字母大写。
我们可以看到，相比用for循环实现上述功能，使用map函数可以使代码非常简洁。
再来看多个列表的例子。
a = range(0,100)
b = range(100,200)
c = range(300,400)
result = list(map(lambda x,y,z:x*z-y*y,a,b,c))
print(result)上述代码中传入的第一个参数是个lambda函数，该函数返回的值是x*z-y*y；后面的单个参数是三个序列a,b,c；map的执行结果是返回一个列表，每个元素都是将a,b,c中的对应元素进行a*c-b*b的运算。
Reduce
Reduce是将集合中的元素逐个进行累积运算，最终得到一个结果。reduce函数的定义如下：
reduce(func, iterable[, initial]) 
其中func是要使用的函数，iterable是可迭代的对象，initial是初始值。我们来看下面的代码。
from functools import reduce
def sum(a,b):
return a+b
numbers = [1,3,4,5,7,8,9,12,123,1,12,23]
result = reduce(sum,numbers,0)
print(result)在上述代码中，传入了一个函数sum, reduce在执行时，逐一将每个元素和上一次sum执行的结果传给sumobject转换成list，并返回最后一个元素的执行结果。对于numbers的第一个元素object转换成list，则执行sum(numbers[0],0). 上述代码最终的结果是计算nubmers中所有数值的总和。
需要注意的是，map函数是内置函数，可以直接使用，而reduce函数则在functools库定义中，需要import后使用。
以上代码在Python 3.7上运行通过。
限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载
站长微信：ziyuanshu688
htebazile
