Что делает метод reduce python?
reduce — это функция из встроенного модуля functools .
Сигнатура функции: reduce(function, iterable[, initializer]) .
Принимает функцию для двух аргументов, итерабельный объект и необязательный initializer — аккумулирующее значение (по умолчанию равен первому элементу iterable).
from functools import reduce reduce(lambda x, y: x + y, range(4), 3) # то же самое что (((3+1)+2)+3) # 9 def get_maximum(first_num, second_num): return first_num if first_num > second_num else second_num reduce(get_maximum, [2, 3, 5, 4, 1]) # 5 Функция reduce() в Python
Функция reduce() модуля functools кумулятивно применяет функцию function к элементам итерируемой iterable последовательности, сводя её к единственному значению.
Аргумент function это функция которую требуется применить к элементам последовательности. Должна принимать два аргумента, где первый аргумент — аккумулированное ранее значение, а второй аргумент следующий элемент последовательности.
Аргумент iterable представляет собой последовательность, элементы которой требуется свести к единственному значению. Если последовательность пуста и не задан аргумент initializer , то возбуждается исключение TypeError .
Например reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) вычисляет ((((1 + 2) +3) +4) +5) . Левый аргумент x — это накопленное значение, а правый аргумент y — это следующий элемент iterable .
Если присутствует необязательный initializer , он помещается перед элементами iterable в вычислении. Другими словами это базовое значение, с которого требуется начать отсчёт. Аргумент initializer , так же служит значением по умолчанию, когда iterable является пустым.
Функция reduce() эквивалентна следующему коду:
def reduce(function, iterable, initializer=None): it = iter(iterable) if initializer is None: value = next(it) else: value = initializer for element in it: value = function(value, element) return value
Примеры использования:
Вычисление суммы всех элементов списка при помощи reduce:
>>> from functools import reduce >>> items = [10, 20, 30, 40, 50] >>> sum_all = reduce(lambda x,y: x + y, items) >>> sum_all # 150
Вычисление наибольшего элемента в списке при помощи reduce:
>>> from functools import reduce >>> items = [1, 24, 17, 14, 9, 32, 2] >>> all_max = reduce(lambda a,b: a if (a > b) else b, items) >>> all_max # 32
- ОБЗОРНАЯ СТРАНИЦА РАЗДЕЛА
- Способы использования модуля functools
- Декоратор @cached_property модуля functools
- Функция cmp_to_key() модуля functools
- Декоратор @cache() модуля functools, кеширующий декоратор
- Декоратор @lru_cache() модуля functools
- Декоратор @total_ordering модуля functools
- Функция partial() модуля functools
- Класс partialmethod() модуля functools
- Функция reduce() модуля functools
- Декоратор @singledispatch модуля functools
- Декоратор @singledispatchmethod модуля functools
- Декоратор @update_wrapper() модуля functools
- Декоратор @wraps() модуля functools
reduce
func — Функция, которую требуется применить к элементам последовательности. Должна принимать два аргумента, где первый аргумент — аккумулированное ранее значение, а второй — следующий элемент последовательности.
iterable — Последовательность, элементы которой требуется свести к единственному значению. Если последовательность пуста и не задан initializer, то возбуждается TypeError.
initializer=None — Базовое значение, с которого требуется начать отсчёт. Оно же будет возвращено, если последовательность пуста.
def reducer_func(el_prev, el):
# el_prev - предшествующий элемент
# el - текущий элемент
return el_prev + el
# python 2
reduce(reducer_func, [1, 2, 3]) # 6
# python 3
from functools import reduce
reduce(reducer_func, [1, 2, 3]) # 6
На заметку
Python 3 Настоятельно рекомендуется использовать обычный проход по элементам при помощи for для повышения читаемости кода. Если функция всё же требуется, то её можно найти в functools.reduce().
Встроенные функции map, filter и reduce в Python
Python предоставляет множество встроенных (built-in) функций, которые предопределены и могут использоваться конечным пользователем, просто вызывая их. Эти функции не только облегчают работу программистов, но и создают стандартную среду программирования. В этой статье вы узнаете о трех таких впечатляющих функциях, как map(), filter() и reduce() в Python.
Что такое функции map(), filter() и reduce() в Python?
Как упоминалось ранее, map(), filter() и reduce() являются встроенными функциями Python. Эти функции обеспечивают функциональный программный аспект Python. В функциональном программировании передаваемые аргументы являются единственными факторами, которые определяют результат. Эти функции могут принимать любую другую функцию в качестве параметра и могут быть переданы другим функциям в качестве параметров.
Функция map():
Функция map() является типом высшего порядка. Как упоминалось ранее, эта функция принимает другую функцию в качестве параметра вместе с итерируемой последовательностью и возвращает выходные данные после применения функции на каждый итерируемый элемент из последовательности. Синтаксис выглядит следующим образом:
map(function, iterables)
Здесь функция определяет выражение, которое в свою очередь применяется к итерируемым элементам. Функция map может принимать функции, которые определил сам пользователь, а также лямбда-функции в качестве параметра.
Совместное использование с функциями, определяемыми пользователем и Lambda-функциями:
Пользовательские функции совместно с map():
Функция map() может принимать пользовательские функции в качестве параметров. Параметры этих функций устанавливаются исключительно пользователем или программистом.
def newfunc(a): return a*a x = map(newfunc, (1,2,3,4)) # x - это объект типа map print(x) print(set(x))
[1, 4, 9, 16]
Вы также можете передать несколько списков в качестве параметров.
def func(a, b): return a + b a = map(func, [2, 4, 5], [1,2,3]) print(a) print(tuple(a))
(3, 6, 8)
Теперь давайте посмотрим, как вы можете использовать lambda-функции внутри map().
Lambda-функции совместно с map():
Lambda-функции — это функции, которые являются анонимными и им не нужно указывать какое-то собственное имя, как это происходит с пользовательскими функциями. Эти функции часто передаются в качестве параметров другим функциям.
Теперь давайте попробуем применить lambda-функции совместно с функцией map(). Рассмотрим следующий пример:
tup = (5, 7, 22, 97, 54, 62, 77, 23, 73, 61) newtuple = tuple(map(lambda x: x+3 , tup)) print(newtuple)
(8, 10, 25, 100, 57, 65, 80, 26, 76, 64)
Приведенный выше вывод является результатом применения lambda-выражения (x + 3) к каждому элементу, присутствующему в кортеже.
Функция filter():
Функция filter() используется для создания списка, состоящего из значений, для которых функция возвращает true. Синтаксис этого следующий:
filter(function, iterables)
Так же, как и map(), эта функция может использовать в качестве параметра пользовательские функции, а также lambda-функции.
def func(x): if x>=3: return x y = filter(func, (1,2,3,4)) print(y) print(list(y))
Как видите, y — это объект типа функции filter, а выходной список — это список значений, которые являются истинными для условия (x>=3).
Использование lambda-функций совместно с filter():
Lambda-функция, которая используется в качестве параметра, фактически определяет условие, которое необходимо проверить.
y = filter(lambda x: (x>=3), (1,2,3,4)) print(list(y))
Приведенный выше код выдает тот же результат, что и предыдущая функция.
Функция reduce():
Функция reduce(), как можно понять из названия, применяет переданную функцию к итерируемому объекту и возвращает одно значение.
reduce(function, iterables)
Здесь функция определяет, какое выражение необходимо применить к итерируемому объекту. Эту функцию необходимо импортировать из модуля functools.
from functools import reduce reduce(lambda a, b: a + b, [23, 21, 45, 98])
В приведенном выше примере функция reduce последовательно суммирует каждый элемент из списка и возвращает одно выходное значение.
Функции map(), filter() и reduce() в Python могут использоваться вместе друг с другом.
Совместное использование функций map(), filter() и reduce() functions:
Когда вы совместно друг с другом используете функции, то сначала исполняются внутренние функции, а затем внешние функции обрабатывают результат выполнения внутренних функций.
c = map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4))) print(list(c))
Если вы отфильтруете целые числа, большие или равные 3, из данного кортежа, вы получите [3,4] в результате. Затем, если вы примените функцию map к результату вывода предыдущей функции с использованием условия (x + x), то вы получите [6,8] список, который является выходным.
Использование map() внутри filter():
Когда вы используете функцию map() внутри функции filter(), итерации сначала обрабатываются функцией map, а затем к ним применяется условие filter().
c = filter(lambda x: (x>=3),map(lambda x:x+x, (1,2,3,4))) print(list(c))
[4, 6, 8]
Использование map() и filter() внутри reduce():
Вывод внутренних функций обрабатывается в соответствии с условием, заданным для функции reduce().
d = reduce(lambda x,y: x+y,map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4)))) print(d)
Результатом и выходными данными внутренних функций map() и reduce() является [6,8].
Итак, можно подводить итоги статьи по функциям map(), filter() и reduce() в Python. Я надеюсь, что вы все ясно поняли. Постарайтесь как можно больше практиковаться и применять полученные знания на практике.
Остались какие-то вопросы по теме? Пожалуйста, напишите их в разделе комментариев этой статьи, и мы дадим вам ответ как можно скорее.