哈喽大家好,今天说一下reduce函数的使用方法,以及与for循环的对比。
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。
# 很多小伙伴在学习的过程中,因为没有好的资料和教程,也不清楚学习方向,以及遇到问题得不到及时的解决,导致自己丧失了学习兴趣与动力,不仅白白浪费时间精力,而且下次在想学东西,也没有兴趣了。 # 所以小编创了一个学习交流q君羊 279199867,准备了海量的学习资料,直接找管理领取就可以了,同数千志同道合的人一同学习交流,
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
reduce与for循环性能对比
与内置函数map和filter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
reduce比for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。
好啦,今天的分享就到这,如果对你有帮助的话可以收藏起来哟!
给大家推荐一套Python爬虫教程,涵盖了大部分的常见案例,非常好用!
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Python基础之reduce函数 - Python技术站