Python基础之reduce函数

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！

Python 爬虫实战一百例