python 内置函数map()、filter()函数

map() 函数接受两个参数：第一个参数是一个函数，第二个参数是一个可迭代对象（如列表、元组等）。该函数会将可迭代对象中的每个元素依次传递给第一个参数指定的函数，并返回一个新的可迭代对象，其中每个元素都是原始对象经过该函数转换后的结果。具体来说，map() 函数会将可迭代对象中的每个元素应用到指定函数上，并将处理结果放入新的可迭代对象中返回。

举个例子，假设有以下代码：

def square(x):
    return x ** 2

lst = [1, 2, 3, 4]
squared_lst = list(map(square, lst))
print(squared_lst)

这里定义了一个名为 square 的函数，用于计算一个数的平方。然后创建了一个包含多个整数的列表 lst。最后使用 map() 函数将 square 函数应用到 lst 列表中的每个元素上，并得到一个新的列表 squared_lst，其中每个元素都是原始列表中的元素经过 square 函数计算后的结果。程序输出结果为 [1, 4, 9, 16]。

filter() 函数也接受两个参数：第一个参数是一个函数，第二个参数是一个可迭代对象。该函数会将可迭代对象中的每个元素依次传递给第一个参数指定的函数，并返回一个新的可迭代对象，其中只包含原始对象中满足指定条件的元素。具体来说，filter() 函数会根据指定函数的返回值（必须是布尔值）来判断是否保留该元素。

举个例子，假设有以下代码：

def is_even(x):
    return x % 2 == 0

lst = [1, 2, 3, 4]
even_lst = list(filter(is_even, lst))
print(even_lst)

这里定义了一个名为 is_even 的函数，用于判断一个数是否为偶数。然后创建了一个包含多个整数的列表 lst。最后使用 filter() 函数将 is_even 函数应用到 lst 列表中的每个元素上，并得到一个新的列表 even_lst，其中只包含原始列表中的偶数元素。程序输出结果为 [2, 4]。

map() 和 filter() 函数在 Python 中都是用于对数据进行转换和筛选的内置函数。它们的区别在于：

• map() 函数将一个可迭代对象中的每个元素都应用到一个指定的函数上，并返回一个新的可迭代对象，其中每个元素都是原始对象经过该函数转换后的结果。
• filter() 函数将一个可迭代对象中的每个元素都应用到一个指定的函数上，并返回一个新的可迭代对象，其中只包含原始对象中满足指定条件的元素。

具体来说，map() 函数会将可迭代对象中的每个元素依次传递给指定函数，并将处理结果放入新的可迭代对象中返回。而 filter() 函数则根据指定函数的返回值（必须是布尔值）来判断是否保留该元素，最终得到符合条件的元素列表。

因此，map() 函数通常用于对数据进行转换，例如对列表中的每个数求平方、对字符串中的每个单词进行大写等，而 filter() 函数则通常用于筛选数据，例如从列表中筛选出所有偶数、从字符串列表中筛选出长度大于 5 的字符串等。

举个例子，假设有以下代码：

def square(x):
    return x ** 2

lst = [1, 2, 3, 4]
squared_lst = list(map(square, lst))
print(squared_lst)

def is_even(x):
    return x % 2 == 0

even_lst = list(filter(is_even, lst))
print(even_lst)

在这个例子中，我们使用 map() 函数计算了一个列表中所有元素的平方，并使用 filter() 函数从该列表中筛选出所有偶数元素。输出结果分别为 [1, 4, 9, 16] 和 [2, 4]。

此外，需要注意的是，map() 和 filter() 函数都返回迭代器对象。如果需要得到列表对象，可以将其转换为列表对象。

例如，我们可以使用以下代码将 map() 和 filter() 返回的迭代器对象分别转换为列表对象：

lst = [1, 2, 3, 4]
squared_lst = list(map(lambda x: x ** 2, lst))   # 使用 lambda 表达式代替函数
even_lst = list(filter(lambda x: x % 2 == 0, lst))
print(squared_lst)   # 输出 [1, 4, 9, 16]
print(even_lst)      # 输出 [2, 4]

在这个例子中，我们使用了 lambda 表达式来替代之前定义的函数，并将返回的迭代器对象转换为列表对象。

需要注意的是，map() 和 filter() 函数都可以与其他 Python 内置函数（如 reduce()、zip() 等）配合使用，以实现更强大的功能。

例如，我们可以使用以下代码将 map()、filter() 和 reduce() 函数结合起来，计算一个列表中所有偶数元素的平方和：

from functools import reduce   # 导入 reduce 函数

lst = [1, 2, 3, 4]
even_squared_sum = reduce(lambda x, y: x + y, map(lambda x: x ** 2, filter(lambda x: x % 2 == 0, lst)))
print(even_squared_sum)   # 输出 20

在这个例子中，我们首先使用 filter() 函数筛选出列表中的所有偶数元素，然后使用 map() 函数计算每个偶数元素的平方，并使用 reduce() 函数将所有平方值相加。最终得到了所有偶数元素的平方和，结果为 20。

总的来说，map() 和 filter() 函数都是非常有用的 Python 内置函数，它们可以大大简化对数据的转换和筛选操作。