map函数时python的高级内置函数
语法为：map(function, iterable, ...)
参数：
function -- 函数
iterable -- 一个或多个序列
将function作用于iterable序列中的每一个元素，并将调用的结果返回
主要是为了并行运算，非常高效
1. 一个输入参数，输入为列表
# 1. 一个参数
def map_func(x):
res = x**2
return res
a1 = map(map_func, [1,2,3]) #直接返回的是object，例如 <map object at 0x000001FEF3457438>
print(a1)
print(list(a1)) #强制转换：[1, 4, 9]
2. 一个输入参数，输入为元组
a2 = map(map_func, (1,2,3)) print(a2)
3. 两个输入参数
# 2. 两个参数
def map_func_2(x,y):
res = x+y
return res
a3 = map(map_func_2, [1,2,3],[1,2,3]) #同时从两个序列中取出相同位置的元素，进行运算；但是两个参数不同长度时会报错
print(a3)
print(list(a3)) # 输出为：[2, 4, 6]
4. 使用int等类型函数
# 4. 典型应用：int等类型函数 a4 = map(int, [1.5,2.1,3.0]) #同时从两个序列中取出相同位置的元素，进行运算；但是两个参数不同长度时会报错 print(list(a4)) #输出：[1, 2, 3] a5 = map(int, ‘12306‘) #将字符串元素变成整数 print(list(a5)) #输出：[1, 2, 3, 0, 6]
5. 使用lambda表达式
# 5. 使用lambda函数，x为参数，x**2属于lambda表达式的返回值 a6 = map(lambda x: x ** 2, [1, 2, 3]) print(a6) print(list(a6)) # 输出：[1, 4, 9]
reduce函数，与map函数类似，注意在Python3中reduce不再是内置函数，而是集成到了functools中，需要：from functools import reduce
函数将一个数据集合（列表，元组等）中的所有数据进行下列操作：用传给 reduce中的函数 function（二元函数，两个参数），先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，依次进行下去直到最后。
用法：reduce(function, iterable[, initializer])
参数：
function -- 函数，有两个参数
iterable -- 可迭代对象
initializer -- 可选，初始参数
1. "减少"为一个值
from functools import reduce
def add_2(x, y):
return x+y
a7 = reduce(add_2, [1,2,3]) #得到的是一个值，依次执行add_2(1,2)，对结果和3执行add_2(add_2(1,2),3)，有点类似递归运算
print(a7) #输出为:6
2. lambda表达式调用
# lambda函数使用， x,y为参数，x+y为lambda表达式的返回值 a8 = reduce(lambda x, y: x+y, [1,2,3]) #得到的是一个值，先调用参数1,2，然后对结果和3继续使用 print(a8) #输出为:6
3. 减少矩阵维度
# 减少矩阵维度 import numpy as np tmp = np.mat([[1,2,3],[4,5,6],[7,8,9]]) print(tmp) # 输出为： # [[1 2 3] # [4 5 6] # [7 8 9]] a9 = reduce(lambda x,y: x+y, tmp) #实际是：首先[1,2,3]+[4,5,6] = [5,7,9];然后[5,7,9] + [7,8,9] = [12,15,18] print(a9) # 输出：[[12 15 18]]，是(1,3)的矩阵
其中，还有filter函数也与此类似。
参考：
https://baijiahao.baidu.com/s?id=1594702528079035916&wfr=spider&for=pc
https://blog.csdn.net/wxjsjp/article/details/80638696
https://www.runoob.com/python/python-func-map.html
https://www.runoob.com/python/python-func-reduce.html
https://blog.csdn.net/ctan006/article/details/79657678
原文地址：https://www.cnblogs.com/qi-yuan-008/p/12075220.html