Python  reduce()函数的用法示例代码

 更新时间:2023年05月18日 10:25:37   作者:山茶花开时  
reduce函数原本在python2中也是个内置函数,不过在python3中被移到functools模块中,这篇文章主要介绍了Python reduce()函数的用法,需要的朋友可以参考下

Python reduce()函数的用法

reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似,一个函数 f,一个list,但行为和 map()不同,reduce()传入的函数 f 必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。

reduce()函数会对参数序列中的元素进行累积

语法结构

reduce(function, iterable[, initializer])

参数说明

  • function: 函数,有两个参数
  • iterable: 可迭代对象
  • initializer: 初始参数(可选)

返回值

返回函数计算结果

综上所述,reduce()函数将一个数据集合中的所有数据进行下列操作,先从数据集合中取出2个元素执行指定函数function,并将输出结果与第3个元素传入function函数,输出结果再与第4个元素传入function函数进行计算,以此类推,直到列表每个元素都取完进行累积,最终返回计算结果

提示Tips

在python3中,内置函数中已经没有reduce()函数了,它现在被放置在functools模块里,如果想要使用它,则需要通过引入functools模块来调用reduce()函数

from functools import reduce

示例1

from functools import reduce
# 两数相加
def add(x,y):
    return x + y
# 计算1 + 2 + 3 + ... + 100的和
sum1 = reduce(add, range(1, 101))  
print(sum1)  # 5050
# 计算列表和:1+2+3+4+5
# 使用lambda匿名函数+reduce()函数
sum2 = reduce(lambda x, y: x+y, [1,2,3,4,5])
print(sum2)  # 15
sum3 = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 6)
# 21 = 6 + 1 + 2 + 3 + 4 + 5 
print(sum3)  # 21

示例2

from functools import reduce
lst = [1,2,3,4,5]
# 120 = 1 * 2 * 3 * 4 * 5
print(reduce(lambda x,y:x*y,lst))  # 120

示例3

from functools import reduce
str1="abcdefg"
# gfedcba
print(reduce(lambda x,y:y+x, str1))

示例4

from functools import reduce
sentences = ['Hello World!! hello Andy'] 
# 统计字符串'Hello'出现的次数
word_count =reduce(lambda a,x:a+x.count("Hello"), sentences, 0)
print(word_count)  # 1

【Python基础】reduce函数详解

reduce函数原本在python2中也是个内置函数,不过在python3中被移到functools模块中。

reduce函数先从列表(或序列)中取出2个元素执行指定函数,并将输出结果与第3个元素传入函数,输出结果再与第4个元素传入函数,…,以此类推,直到列表每个元素都取完。

1 reduce用法

对列表元素求和,如果不用reduce,我们一般常用的方法是for循环:

def sum_func(arr):
    if len(arr) <= 0:
        return 0
    else:
        out = arr[0]
        for v in arr[1:]:
            out += v
        return out
a = [1, 2, 3, 4, 5]
print(sum_func(a))

可以看到,代码量比较多,不够优雅。如果使用reduce,那么代码将非常简洁:

from functools import reduce
a = [1, 2, 3, 4, 5]
def add(x, y): return x + y
print(reduce(add, a))

输出结果为:

15

2 reduce与for循环性能对比

与内置函数mapfilter不一样的是,在性能方面,reduce相比较for循环来说没有优势,甚至在实际测试中

reducefor循环更慢。

from functools import reduce
import time
def test_for(arr):
    if len(arr) <= 0:
        return 0
    out = arr[0]
    for i in arr[1:]:
        out += i
    return out
def test_reduce(arr):
    out = reduce(lambda x, y: x + y, arr)
    return out
a = [i for i in range(100000)]
t1 = time.perf_counter()
test_for(a)
t2 = time.perf_counter()
test_reduce(a)
t3 = time.perf_counter()
print('for循环耗时:', (t2 - t1))
print('reduce耗时:', (t3 - t2))

输出结果如下:

for循环耗时: 0.009323899999999996
reduce耗时: 0.018477400000000005

因此,如果对性能要求苛刻,建议不用reduce, 如果希望代码更优雅而不在意耗时,可以用reduce

到此这篇关于Python  reduce()函数的用法的文章就介绍到这了,更多相关Python  reduce()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 使用Python中的线程进行网络编程的入门教程

    使用Python中的线程进行网络编程的入门教程

    这篇文章主要介绍了使用Python中的线程进行网络编程的入门教程,本文来自于IBM官方网站技术文档,需要的朋友可以参考下
    2015-04-04
  • pytorch在fintune时将sequential中的层输出方法,以vgg为例

    pytorch在fintune时将sequential中的层输出方法,以vgg为例

    今天小编就为大家分享一篇pytorch在fintune时将sequential中的层输出方法,以vgg为例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • 如何远程使用服务器上的Jupyter notebook

    如何远程使用服务器上的Jupyter notebook

    这篇文章主要介绍了如何远程使用服务器上的Jupyter notebook,主要是在服务器端执行操作,需要特别注意为了防止远程中断,使用挂起操作,即执行nohup jupyter notebook,需要的朋友可以参考下
    2023-02-02
  • Python如何优雅删除字符列表空字符及None元素

    Python如何优雅删除字符列表空字符及None元素

    这篇文章主要介绍了Python如何优雅删除字符列表空字符及None元素,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-06-06
  • python中requests库安装与使用详解

    python中requests库安装与使用详解

    requests是一个很实用的Python HTTP客户端库,爬虫和测试服务器响应数据时经常会用到,下面这篇文章主要给大家介绍了关于python中requests库安装与使用的相关资料,需要的朋友可以参考下
    2022-07-07
  • 使用python对excle和json互相转换的示例

    使用python对excle和json互相转换的示例

    今天小编就为大家分享一篇使用python对excle和json互相转换的示例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-10-10
  • python中lambda与def用法对比实例分析

    python中lambda与def用法对比实例分析

    这篇文章主要介绍了python中lambda与def用法对比,实例分析了lambda与def的区别与使用技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-04-04
  • 基于Python实现全自动二维码识别

    基于Python实现全自动二维码识别

    这篇文章主要为大家详细介绍了如何基于Python实现全自动二维码识别功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下
    2023-11-11
  • Numpy中np.expand_dims的用法

    Numpy中np.expand_dims的用法

    np.expand_dims是Numpy库中的一个函数,它的主要作用是在数组的指定位置增加一个新的维度,本文就来介绍一下它的用法,具有一定的参考价值,感兴趣的可以了解一下
    2024-03-03
  • Python双端队列实现回文检测

    Python双端队列实现回文检测

    双端队列 Deque 是一种有次序的数据集,跟队列相似,其两端可以称作"首" 和 "尾"端。这篇文章将通过双端队列实现回文检测,感兴趣的可以学习一下
    2022-01-01

最新评论