python reduce 函數(shù)使用詳解

更新時間：2017年12月05日 08:42:44 作者：Panda Fang

reduce()函數(shù)也是Python內(nèi)置的一個高階函數(shù)。reduce()函數(shù)接收的參數(shù)和 map()類似，一個函數(shù) f，一個list，但行為和 map()不同,今天我們就來詳細探討下

reduce() 函數(shù)在 python 2 是內(nèi)置函數(shù)，從python 3 開始移到了 functools 模塊。

官方文檔是這樣介紹的

reduce(...)
reduce(function, sequence[, initial]) -> value

Apply a function of two arguments cumulatively to the items of a sequence,
from left to right, so as to reduce the sequence to a single value.
For example, reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) calculates
((((1+2)+3)+4)+5). If initial is present, it is placed before the items
of the sequence in the calculation, and serves as a default when the
sequence is empty.

從左到右對一個序列的項累計地應用有兩個參數(shù)的函數(shù)，以此合并序列到一個單一值。

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

如果提供了 initial 參數(shù)，計算時它將被放在序列的所有項前面，如果序列是空的，它也就是計算的默認結(jié)果值了

嗯，這個文檔其實不好理解?？戳诉€是不懂。序列其實就是python中 tuple list dictionary string 以及其他可迭代物，別的編程語言可能有數(shù)組。

reduce 有三個參數(shù)

function	有兩個參數(shù)的函數(shù)，必需參數(shù)
sequence	tuple ，list ，dictionary， string等可迭代物，必需參數(shù)
initial	初始值，可選參數(shù)

reduce的工作過程是：在迭代sequence(tuple ，list ，dictionary， string等可迭代物)的過程中，首先把前兩個元素傳給函數(shù)參數(shù)，函數(shù)加工后，然后把得到的結(jié)果和第三個元素作為兩個參數(shù)傳給函數(shù)參數(shù)，函數(shù)加工后得到的結(jié)果又和第四個元素作為兩個參數(shù)傳給函數(shù)參數(shù)，依次類推。如果傳入了 initial 值，那么首先傳的就不是 sequence 的第一個和第二個元素，而是 initial值和第一個元素。經(jīng)過這樣的累計計算之后合并序列到一個單一返回值

reduce 代碼舉例，使用REPL演示

>>> def add(x, y):
...   return x+y
...
>>> from functools import reduce
>>> reduce(add, [1,2,3,4])
10
>>>

上面這段 reduce 代碼，其實就相當于 1 + 2 + 3 + 4 = 10，如果把加號改成乘號，就成了階乘了
當然僅僅是求和的話還有更簡單的方法，如下

>>> sum([1,2,3,4])
10
>>>

很多教程只講了一個加法求和，太簡單了，對新手加深理解還不夠。下面講點更深入的例子

還可以把一個整數(shù)列表拼成整數(shù)，如下

>>> from functools import reduce
>>> reduce(lambda x, y: x * 10 + y, [1 , 2, 3, 4, 5])
12345
>>>

對一個復雜的sequence使用reduce ，看下面代碼，更多的代碼不再使用REPL，使用編輯器編寫

 from functools import reduce
 scientists =({'name':'Alan Turing', 'age':105},
       {'name':'Dennis Ritchie', 'age':76},
       {'name':'John von Neumann', 'age':114},
       {'name':'Guido van Rossum', 'age':61})
 def reducer(accumulator , value):
   sum = accumulator['age'] + value['age']
   return sum
 total_age = reduce(reducer, scientists)
 print(total_age)

這段代碼會出錯，看下圖的執(zhí)行過程

所以代碼需要修改

 from functools import reduce
 scientists =({'name':'Alan Turing', 'age':105, 'gender':'male'},
       {'name':'Dennis Ritchie', 'age':76, 'gender':'male'},
       {'name':'Ada Lovelace', 'age':202, 'gender':'female'},
       {'name':'Frances E. Allen', 'age':84, 'gender':'female'})
 def reducer(accumulator , value):
   sum = accumulator + value['age']
   return sum
 total_age = reduce(reducer, scientists, 0)
 print(total_age)

7， 9 行紅色部分就是修改部分。通過 help(reduce) 查看文檔，
reduce 有三個參數(shù)，第三個參數(shù)是初始值的意思，是可有可無的參數(shù)。

修改之后就不出錯了，流程如下

這個仍然也可以用 sum 來更簡單的完成

sum([x['age'] for x in scientists ])

做點更高級的事情，按性別分組

from functools import reduce
scientists =({'name':'Alan Turing', 'age':105, 'gender':'male'},
       {'name':'Dennis Ritchie', 'age':76, 'gender':'male'},
       {'name':'Ada Lovelace', 'age':202, 'gender':'female'},
       {'name':'Frances E. Allen', 'age':84, 'gender':'female'})
def group_by_gender(accumulator , value):
  accumulator[value['gender']].append(value['name'])
  return accumulator
grouped = reduce(group_by_gender, scientists, {'male':[], 'female':[]})
print(grouped)

輸出

{'male': ['Alan Turing', 'Dennis Ritchie'], 'female': ['Ada Lovelace', 'Frances E. Allen']}

可以看到，在 reduce 的初始值參數(shù)傳入了一個dictionary，，但是這樣寫 key 可能出錯，還能再進一步自動化，運行時動態(tài)插入key

修改代碼如下

grouped = reduce(group_by_gender, scientists, collections.defaultdict(list))

當然先要 import collections 模塊

這當然也能用 pythonic way 去解決

import itertools
scientists =({'name':'Alan Turing', 'age':105, 'gender':'male'},
       {'name':'Dennis Ritchie', 'age':76, 'gender':'male'},
       {'name':'Ada Lovelace', 'age':202, 'gender':'female'},
       {'name':'Frances E. Allen', 'age':84, 'gender':'female'})
grouped = {item[0]:list(item[1])
      for item in itertools.groupby(scientists, lambda x: x['gender'])}
print(grouped)

再來一個更晦澀難懂的玩法。工作中要與其他人協(xié)作的話，不建議這么用，與上面的例子做同樣的事，看不懂無所謂。

from functools import reduce
scientists =({'name':'Alan Turing', 'age':105, 'gender':'male'},
       {'name':'Dennis Ritchie', 'age':76, 'gender':'male'},
       {'name':'Ada Lovelace', 'age':202, 'gender':'female'},
       {'name':'Frances E. Allen', 'age':84, 'gender':'female'})
grouped = reduce(lambda acc, val: {**acc, **{val['gender']: acc[val['gender']]+ [val['name']]}}, scientists, {'male':[], 'female':[]})
print(grouped)

**acc， **{val['gneder']... 這里使用了 dictionary merge syntax , 從 python 3.5 開始引入，詳情請看 PEP 448 - Additional Unpacking Generalizations 怎么使用可以參考這個 python - How to merge two dictionaries in a single expression? - Stack Overflow

python 社區(qū)推薦寫可讀性好的代碼，有更好的選擇時不建議用reduce，所以 python 2 中內(nèi)置的reduce 函數(shù) 移到了 functools模塊中

您可能感興趣的文章: