「Python」python高阶函数详解


「Python」python高阶函数详解
文章图片
「Python」python高阶函数详解
文章图片
「Python」python高阶函数详解
文章图片
「Python」python高阶函数详解
文章图片
「Python」python高阶函数详解
文章图片
1.MapReduceMapReduce主要应用于分布式中 。
大数据实际上是在2015年下半年开始火起来的 。
分布式思想:将一个连续的字符串转为列表 , 元素类型为字符串类型 , 将其都变成数字类型 , 使用分布式思想 。 【类似于一件事一个人干起来慢 , 但是如果人多呢?效率则可以相应的提高】 。 同理 , 一台电脑处理数据比较慢 , 但是如果有100台电脑同时处理 , 则效率则会快很多 , 最终将每台电脑上处理的数据进行整合 。 python的优点:内置了map()和reduce()函数 , 可以直接使用 。
2、map()函数功能:将传入的函数依次作用于序列中的每一个元素 , 并把结果作为新的Iterator(可迭代对象)返回
语法:map(func lsd) , 参数1是函数 , 参数2是序列 。
使用map函数 , 求n的序列[149..n^2

3、reduce()函数功能:一个函数作用在序列上 , 这个函数必须接受两个参数 , reduce把结果继续和序列的下一个元素累计运算 。
语法:reduce(func , lsd):参数1为函数 , 参数2为列表 。 reduce(f , [1 , 2 , 3 , 4
)等价于f(f(f(1 , 2) , 3) , 4) , 类似于递归 。
【「Python」python高阶函数详解】
将字符串转成对应字面量数字
求1!+2!+3!+...+n!之和 。 【使用map与reduce函数】
4、filter()函数作用:把传入的函数依次作用于每个元素 , 然后根据返回值是True还是False决定保留该元素还是丢弃该元素【通过一定的条件过滤列表中的元素】 。
注意:使用filter()这个高阶函数 , 关键在正确实现一个“筛选”函数 , filter()函数返回的是一个Iterator , 也就是一个惰性序列 , 所以要强迫filter完成计算结果 , 需要使用list()函数获取所有的结果并且返回list 。
需求;将爱好为“无”的数据剔除掉 。 data= https://mparticle.uc.cn/api/[[/"姓名\"\"年龄\"\"爱好\"
[\"tom\" 25 \"无\"
[\"hanmeimei\" 26 \"金钱\"


5、sorted()函数sorted(iterablekeyreverse)作用:实现对列表的排序 。
iterable:是可迭代类型;
cmp:用于比较的函数 , 比较什么由key决定;
key:用列表元素的某个属性或函数作为关键字 , 有默认值 , 迭代集合中的一项; reverse:排序规则. reverse = True  降序 或者 reverse = False 升序 , 默认值为False 。
返回值:是一个经过排序的可迭代类型 , 与iterable一样 。