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

  • 基于深度学习和OpenCV实现目标检测

    基于深度学习和OpenCV实现目标检测

    这篇文章主要介绍了通过使用OpenCV进行基于深度学习的对象检测以及使用OpenCV检测视频,文中的示例代码讲解详细,需要的可以参考一下
    2021-12-12
  • Python设置Word页面纸张方向为横向

    Python设置Word页面纸张方向为横向

    这篇文章主要为大家详细介绍了Python设置Word页面纸张方向为横向的相关知识,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
    2024-02-02
  • Pandas中df.loc[]与df.iloc[]的用法与异同 

    Pandas中df.loc[]与df.iloc[]的用法与异同 

    本文主要介绍了Pandas中df.loc[]与df.iloc[]的用法与异同,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,需要的朋友们下面随着小编来一起学习学习吧 
    2022-07-07
  • Python 解析pymysql模块操作数据库的方法

    Python 解析pymysql模块操作数据库的方法

    这篇文章主要介绍了Python 解析pymysql模块操作数据库的方法,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-02-02
  • 基于Python实现实时监控CPU使用率

    基于Python实现实时监控CPU使用率

    这篇文章主要为大家介绍了一款手写编程代码的小脚本,能够轻松在界面上展示:利用Python实时监控CPU使用率,随时展现。也无需下载管理软件,感兴趣的可以了解一下
    2022-04-04
  • python3利用Dlib19.7实现人脸68个特征点标定

    python3利用Dlib19.7实现人脸68个特征点标定

    这篇文章主要为大家详细介绍了python3利用Dlib19.7实现人脸68个特征点标定,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-02-02
  • Pycharm中配置Anaconda解释器的完整步骤

    Pycharm中配置Anaconda解释器的完整步骤

    Anaconda是Python的一个发行版本,集成了大量插件,在用PyCharm进行开发时,可以选用Anaconda执行环境,下面这篇文章主要给大家介绍了关于Pycharm中配置Anaconda解释器的完整步骤,需要的朋友可以参考下
    2022-11-11
  • python 实现端口扫描工具

    python 实现端口扫描工具

    这篇文章主要介绍了python 实现端口扫描工具的示例代码,帮助大家更好的理解和使用python,感兴趣的朋友可以了解下
    2020-12-12
  • pycharm利用pyspark远程连接spark集群的实现

    pycharm利用pyspark远程连接spark集群的实现

    由于工作需要,利用spark完成机器学习。因此需要对spark集群进行操作。所以利用pycharm和pyspark远程连接spark集群。感兴趣的可以了解一下
    2021-05-05
  • Pydantic和.env文件管理环境配置

    Pydantic和.env文件管理环境配置

    Pydantic 是一个 Python 第三方包,本文主要介绍了Pydantic和.env文件管理环境配置,具有一定的参考价值,感兴趣的可以了解一下
    2025-04-04

最新评论