今天給大家介紹的是Python當(dāng)中三個(gè)非常神奇的方法：map、reduce和filter。

不知道大家看到map和reduce的時(shí)候有沒有什么感覺，如果看過之前我們大數(shù)據(jù)系列介紹MapReduce文章的同學(xué)，想必有些印象。這個(gè)MapReduce不是一個(gè)分布式的計(jì)算方法么，怎么又變成Python中的方法了?其實(shí)原因很簡(jiǎn)單，因?yàn)镻ython是一門很年輕的語言，它在發(fā)展的過程當(dāng)中吸收了很多其他領(lǐng)域的精華，MapReduce就是其中之一。

對(duì)之前文章感興趣的同學(xué)可以點(diǎn)擊下方的鏈接，回顧一下之前MapReduce的內(nèi)容。

大數(shù)據(jù)基石——Hadoop與MapReduce

mapmap除了地圖之外，另一個(gè)英文本意是映射。在C++和Java一些語言當(dāng)中，將map進(jìn)一步引申成了存儲(chǔ)key和value映射結(jié)構(gòu)的容器。Python對(duì)這點(diǎn)做了區(qū)分，KV結(jié)構(gòu)的容器命名成了dict，即字典，而map則回到了它的本意，也就是映射。

我們都知道，在數(shù)學(xué)領(lǐng)域，映射也是函數(shù)的定義。一個(gè)自變量通過某種映射，對(duì)應(yīng)到一個(gè)因變量。同樣，在Python當(dāng)中，map操作本質(zhì)也是函數(shù)，不過它作用的范圍不再是單個(gè)變量，而是一個(gè)序列。換句話說，通過map我們可以省去循環(huán)操作，可以自動(dòng)將一個(gè)容器當(dāng)中的元素套用一個(gè)函數(shù)。

舉個(gè)簡(jiǎn)單的例子，比如我們有一個(gè)坐標(biāo)，我們希望知道它距離原點(diǎn)的距離。這個(gè)問題很簡(jiǎn)單，我們寫一個(gè)計(jì)算距離的函數(shù)就可以解決：

defdis(point):

returnmath.sqrt(point[0]**2+point[1]**2)

那如果我有多個(gè)點(diǎn)需要計(jì)算距離，在map出現(xiàn)之前，我們只能用循環(huán)來解決問題：

points=[[0,1],[2,4],[3,2]]

forpointinpoints:

print(dis(point))

但是有了map之后，我們可以省去循環(huán)的操作，整個(gè)代碼簡(jiǎn)化成了一行：

map(dis,points)

但是要注意，我們調(diào)用完map之后得到的結(jié)果不是一個(gè)list而是一個(gè)迭代器。我們直接將map返回的內(nèi)容print出來，可以得到這樣一個(gè)結(jié)果：

>>>print(map(dis,points))

這是一個(gè)類的標(biāo)準(zhǔn)輸出，其實(shí)它返回的不是最后的結(jié)果，而是一個(gè)迭代器。我們?cè)谥暗奈恼庐?dāng)中已經(jīng)介紹過了迭代器和生成器的相關(guān)概念，這里不多做贅述了，遺忘的同學(xué)可以點(diǎn)擊下方鏈接回顧一下之前的內(nèi)容：

Python——五分鐘帶你弄懂迭代器與生成器

我們想要獲得完整的內(nèi)容也很容易，我們只需要將它轉(zhuǎn)化成list類型即可：

>>>print(list(map(dis,points)))

[1.0,4.47213595499958,3.605551275463989]

以上過程還可以進(jìn)一步簡(jiǎn)化，還記得我們之前介紹過的匿名函數(shù)嗎?由于dis函數(shù)在我們的程序當(dāng)中只會(huì)在map中用到，我們完全沒有必要單獨(dú)創(chuàng)建一個(gè)函數(shù)，我們可以直接傳入一個(gè)匿名函數(shù)搞定運(yùn)算：

map(lambdax:math.sqrt(x[0]**2+x[1]**2),points)

簡(jiǎn)單總結(jié)一下，map操作其實(shí)執(zhí)行的是一個(gè)映射。它可以自動(dòng)地將一個(gè)序列當(dāng)中的內(nèi)容通過制定的函數(shù)映射成另一個(gè)序列，從而避免顯式地使用循環(huán)來調(diào)用，在很多場(chǎng)景下可以大大地簡(jiǎn)化代碼的編寫，可以很方便地將一個(gè)序列整體轉(zhuǎn)變成另一個(gè)結(jié)果。

reduce相比于map，reduce的操作稍稍難理解一點(diǎn)點(diǎn)。它也是規(guī)定一個(gè)映射，不過不是將一個(gè)元素映射成一個(gè)結(jié)果。而是將兩個(gè)元素歸并成一個(gè)結(jié)果。并且它并不是調(diào)用一次，而是依次調(diào)用，直到最后只剩下一個(gè)結(jié)果為止。

比如說我們有一個(gè)數(shù)組[a,b,c,d]和一個(gè)函數(shù)f，我們計(jì)算reduce(f,[a,b,c,d])其實(shí)就等價(jià)于f(f(f(a,b),c),d)。和map不同的是，reduce最后得到一個(gè)結(jié)果，而不是一個(gè)迭代器或者是list。

我們光說有些抽象，不妨來看一個(gè)例子，就看最簡(jiǎn)單的一個(gè)例子：reduce函數(shù)接收兩個(gè)數(shù)，返回兩個(gè)數(shù)的和。那么顯然，我們依次調(diào)用reduce，得到的就是原數(shù)組的和。

fromfunctoolsimportreduce

deff(a,b):

returna+b

print(reduce(f,[1,2,3,4]))

最終得到的結(jié)果當(dāng)然是10，同樣，我們也可以將reduce中的方法定義成匿名函數(shù)，一樣不影響最終的結(jié)果。

print(reduce(lambdax,y:x+y,[1,2,3,4]))

MapReduce既然我們map和reduce都有了，顯然我們可以將它們串聯(lián)起來使用，也就是分布式系統(tǒng)當(dāng)中MapReduce的做法。雖然如果不手動(dòng)使用線程池的話，Python并不會(huì)起多個(gè)線程來加速運(yùn)算，但是至少可以簡(jiǎn)化我們實(shí)現(xiàn)的代碼。我們還是舉經(jīng)典的wordCount的例子，也就是文本計(jì)算詞頻。

套用map和reduce的功能，整個(gè)流程非常清晰，我們只需要在map階段對(duì)文本進(jìn)行分詞，在reduce階段對(duì)分詞之后的結(jié)果進(jìn)行匯總即可。

聽著好像非常容易，但是你實(shí)際去上手是寫不出來的。原因也很簡(jiǎn)單，因?yàn)閔adoop當(dāng)中的Map和Reduce中間還有一層shuffle的操作，會(huì)自動(dòng)地將key值相同的結(jié)果放到同一個(gè)reducer當(dāng)中。在這個(gè)問題當(dāng)中，key自然就是我們的word，由于相同的word被放到同一個(gè)reducer當(dāng)中，我們只需要累加就行了。但是如果我們自己編寫mapreduce的話，由于缺少了中間數(shù)據(jù)重排的步驟，所以導(dǎo)致不能實(shí)現(xiàn)。

要解決也簡(jiǎn)單，我們可以人為增加一個(gè)map階段代替hadoop當(dāng)中的重排。相當(dāng)于做了一個(gè)MapMapReduce，我們來看代碼：

fromcollectionsimportCounter,defaultdict

texts=['applebearpeachgrape','grapeorangepear']

#第一次map，將字符串轉(zhuǎn)成數(shù)組，每個(gè)單詞對(duì)應(yīng)1

defmp1(text):

ret=[]

words=text.split('')

forwordinwords:

ret.append((word,1))

returnret

#第二次map，將數(shù)組轉(zhuǎn)成dict

defmp2(arr):

d=defaultdict(int)

fork,vinarr:

d[k]+=v

returnd

#reduce，合并dict

defrd(x,y):

x.update(y)

returnx

print(reduce(rd,map(mp2,map(mp1,texts))))

那如果我們不用多次MapReduce呢?也不是沒有辦法，需要取點(diǎn)巧，方法也簡(jiǎn)單只要使用之前我們講解過的Counter類，就可以完美解決這個(gè)問題。我們來看代碼：

fromcollectionsimportCounter

texts=['applebearpeachgrape','grapeorangepear']

defmp(text):

words=text.split('')

returnCounter(words)

print(reduce(lambdax,y:x+y,map(mp,texts)))

由于我們使用了Counter，所以我們?cè)趍ap階段返回的結(jié)果就已經(jīng)是詞頻的dict了，而在reduce階段我們只需要將它們?nèi)坷奂悠饋砭蚈K了。

最后，我們來看下filter。

filterfilter的英文是過濾，所以它的使用就很明顯了。它的用法和map有些類似，我們編寫一個(gè)函數(shù)來判斷元素是否合法。通過調(diào)用filter，會(huì)自動(dòng)將這個(gè)函數(shù)應(yīng)用到容器當(dāng)中所有的元素上，最后只會(huì)保留運(yùn)行結(jié)果是True的元素，而過濾掉那些是False的元素。

舉個(gè)例子，假設(shè)我們想要保留list當(dāng)中的奇數(shù)而過濾掉偶數(shù)，我們當(dāng)然可以直接操作，比如：

arr=[1,3,2,4,5,8]

[iforiinarrifi%2>0]

而使用filter會(huì)非常方便：

list(filter(lambdax:x%2>0,arr))

從這個(gè)例子當(dāng)中可能看不出便捷，但是有的時(shí)候判斷的條件可能非常復(fù)雜，我們判斷的邏輯不能簡(jiǎn)單地在list定義當(dāng)中表達(dá)出來，這個(gè)時(shí)候使用filter則會(huì)容易得多。

最后，我們?cè)倏匆粋€(gè)類似的用法。在itertools當(dāng)中有一個(gè)方法叫做compress，通過compress我們可以實(shí)現(xiàn)根據(jù)一個(gè)序列的條件過濾另一個(gè)序列。

舉個(gè)簡(jiǎn)單的例子，假設(shè)，我們有兩個(gè)數(shù)組：

student=['xiaoming','xiaohong','xiaoli','emily']

scores=[60,70,80,40]

我們想要獲取所有考試及格的同學(xué)的list，如果用常規(guī)做法基本上免不了使用循環(huán)，但是使用compress可以很方便地通過一行代碼實(shí)現(xiàn)：

fromitemtoolsimportcompress

>>>pass=[i>60foriinscores]

>>>print(pass)

[False,True,True,False]

>>>list(compress(student,pass))

['xiaohong','xiaoli']

需要注意的是filter和compress返回的都是一個(gè)迭代器，我們要獲取它們的值，需要手動(dòng)轉(zhuǎn)換成list。

雖然在日常的開發(fā)當(dāng)中不使用這三樣神器同樣可以工作，但是用上它們之后，會(huì)提升很多代碼的可讀性，節(jié)省很多無用的代碼。尤其是在面試的時(shí)候，很有可能就會(huì)給面試官留下不一樣的印象，也許結(jié)果也會(huì)不同。

以上內(nèi)容為大家介紹了Python之map、reduce和filter，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。