在日常的python編程中使用這幾個(gè)函數(shù)來簡化我們的編程工作，經(jīng)常使用能使編程效率大大地提高。

1. Map 函數(shù)

map函數(shù)可以使用另外一個(gè)函數(shù)轉(zhuǎn)換整個(gè)可迭代對(duì)象的函數(shù)，包括將字符串轉(zhuǎn)換為數(shù)字、數(shù)字的四舍五入等等。

之所以使用map函數(shù)來完成這些事情可以節(jié)約內(nèi)存，使代碼的運(yùn)行速度提高，并且使用的代碼量比較少。

比如這里需要將一個(gè)字符串的數(shù)組轉(zhuǎn)換成數(shù)字的數(shù)組的形式。

使用傳統(tǒng)的方式來進(jìn)行解析的話，使用for循環(huán)的方式就需要好幾行的代碼才能完成。

strings?=?['1',?'2',?'3',?'4']

res?=?[]

for?str_?in?strings:
????res.append(int(str_))

print(res)

#?[1,?2,?3,?4]

使用map函數(shù)直接需要一行代碼就可以完成了。

strings?=?['5',?'6',?'7',?'8']

res_map?=?map(int,?strings)

print(list(res_map))

#?[5,?6,?7,?8]

使用map(int,strings)，其中int是作為函數(shù)作為參數(shù)傳入的，而strings就是可以迭代的對(duì)象。

這里再使用一個(gè)我們自己創(chuàng)建的函數(shù)來轉(zhuǎn)換可序列化的數(shù)據(jù)。

初始化一個(gè)make_super函數(shù)用來將英文字符串轉(zhuǎn)換成'大寫'的字符串。

def?make_super(text):
????res_text?=?text.upper()

????return?res_text


words?=?['python',?'java',?'scala']

words_res?=?list(map(make_super,?words))

print(words_res)


#?['PYTHON',?'JAVA',?'SCALA']

使用map(make_super, words)，其中make_super是作為函數(shù)傳入的，而words作為可序列化數(shù)據(jù)。

2.?Lamdba 函數(shù)

lambda 函數(shù)用于創(chuàng)建匿名函數(shù)，又被稱為lambda表達(dá)式。實(shí)際上它只是一個(gè)表達(dá)式的存在，如果在代碼編寫過程中需要實(shí)現(xiàn)簡單的函數(shù)邏輯但是單獨(dú)寫一個(gè)函數(shù)又比較麻煩就可以使用lambda表達(dá)式只需要一行代碼就可以完成了。

比如需要實(shí)現(xiàn)一個(gè)簡單的加法計(jì)算，使用基本的函數(shù)來實(shí)現(xiàn)需要?jiǎng)?chuàng)建一個(gè)add_1函數(shù)。

def?add_1(a,?b):
????return?a?+?b

print(add_1(5,?2))

而使用lambda表達(dá)式，一行代碼就可以直接完成了，可以像下面這樣寫。

add_2?=?lambda?a,?b:?a?+?b

print(add_2(10,?10))

lambda a,b: a + b 表示a,b是作為參數(shù)，a + b是作為函數(shù)的運(yùn)算邏輯被執(zhí)行。

3.?Enumerate 函數(shù)

enumerate 函數(shù)一般用于可序列化數(shù)據(jù)的處理上面，而python中的可序列化數(shù)據(jù)又比較多，重要性就可想而知了。

可以使用該函數(shù)直接遍歷出一個(gè)可序列化數(shù)據(jù)的下標(biāo)索引以及對(duì)應(yīng)的數(shù)據(jù)。

使用一個(gè)列表數(shù)據(jù)來進(jìn)行舉例說明。

words?=?['java',?'python',?'scala']

使用enumerate函數(shù)來執(zhí)行一下整個(gè)遍歷，最終返回一個(gè)新的列表。

for?index,?data?in?enumerate(words):
????print(f'當(dāng)前索引：{index},當(dāng)前數(shù)據(jù)：{data}')

#?當(dāng)前索引：0,當(dāng)前數(shù)據(jù)：java
#?當(dāng)前索引：1,當(dāng)前數(shù)據(jù)：python
#?當(dāng)前索引：2,當(dāng)前數(shù)據(jù)：scala

看到返回的結(jié)果中包含了索引、數(shù)據(jù)，這樣便于數(shù)據(jù)的組織和統(tǒng)計(jì)，因此，將該函數(shù)也列為比較常用的函數(shù)之一。

4. Reduce 函數(shù)

reduce函數(shù)通常用于計(jì)算整個(gè)列表的邏輯運(yùn)算，也就是將一個(gè)函數(shù)的運(yùn)算可以添加到這個(gè)列表的每個(gè)元素上面。

'''
reduce(function,?iterable[,?initializer])
'''

比如需要計(jì)算一個(gè)列表中每個(gè)元素之間的相乘的結(jié)果，則可以這樣寫。

from?functools?import?reduce

list_?=?[10,?20,?30,?40]

print(reduce(lambda?a,?b:?a?*?b,?list_))

這里由于函數(shù)的邏輯運(yùn)算比較簡單，所以使用了lambda表達(dá)式表示兩個(gè)元素相乘。

最終再使用reduce函數(shù)，它的效果相當(dāng)于10 * 20 * 30 * 40，結(jié)果就是240000，和我們預(yù)想得到的計(jì)算結(jié)果是一致的。

5. Filter 函數(shù)

filter函數(shù)，從字面意思就可以看出它是過濾的意思，使用該函數(shù)可以有效的過濾掉不需要的列表中的數(shù)據(jù)元素。

'''
filter(function,?iterable)
'''

在邏輯處理中，同樣是需要一個(gè)處理函數(shù)和一個(gè)可序列化的數(shù)據(jù)。

nums?=?[1,?2,?3,?4,?5,?6,?7,?8,?9,?20]

nums_new?=?filter(lambda?m:?m?%?2?==?0,?nums)

print(list(nums_new))

#?[2,?4,?6,?8,?20]

這里我們成功過濾掉了所有的奇數(shù)數(shù)據(jù)元素，最終只留下了偶數(shù)元素。

6. Zip 函數(shù)

zip函數(shù)在多個(gè)列表的組裝過程中用到非常的多，可以同時(shí)遍歷多個(gè)列表并將相同位置的元素組合成一個(gè)元祖。

list_res?=?[]

for?n?in?zip([1,?2,?3,?4,?5],?['python',?'java',?'scala',?'c++',?'C#']):

????list_res.append(n)

print(list_res)

#?[(1,?'python'),?(2,?'java'),?(3,?'scala'),?(4,?'c++'),?(5,?'C#')]

使用zip函數(shù)時(shí)，像這樣的數(shù)據(jù)組合就可以輕松的實(shí)現(xiàn)。

通過觀察上述的這些操作發(fā)現(xiàn)基本上都是對(duì)可序列化的數(shù)據(jù)的相關(guān)操作，因?yàn)樵趐ython的編碼過程中大多數(shù)的數(shù)據(jù)處理相關(guān)的操作都是基于可序列化的數(shù)據(jù)的。