Mapa, Filtr, Redukce

Map, Filter a Reduce jsou paradigmy funkcionálního programování. Umožňují programátorovi (vám) psát jednodušší a kratší kód, aniž by nutně museli řešit složitosti jako smyčky a větvení.

V podstatě tyto tři funkce umožňují použít funkci na celou řadu iterovatel, jedním rázem. map a filter jsou v Pythonu vestavěné (v modulu __builtins__) a nevyžadují žádný import. Funkce reduce, na druhou stranu, musí být importována, protože se nachází v modulu functools. Pojďme se podívat, jak všechny fungují, začneme s map.

Map

Funkce map() v Pythonu má následující syntaxi:

map(func, *iterables)

Kde func je funkce, na kterou bude každý prvek v iterables (v libovolném množství) aplikován. Všimli jste si hvězdičky(*) na iterables? To znamená, že může být libovolný počet iterovatel, pokud func má přesně odpovídající počet vstupních argumentů. Než přejdeme k příkladu, je důležité, abyste si poznamenali následující:

1. V Pythonu 2 funkce map() vrací seznam. Nicméně v Pythonu 3 funkce vrací map object, což je objekt generátoru. Abychom získali výsledek jako seznam, může být použita vestavěná funkce list() na map objektu, tj. list(map(func, *iterables))
2. Počet argumentů pro func musí být stejný jako počet uvedených iterables.

Podívejme se, jak se tyto pravidla aplikují v následujících příkladech.

Představte si, že mám seznam (iterable) mých oblíbených jmen mazlíčků, všechny jsou malými písmeny a potřebuji je ve velkých písmenách. Tradičně, v normálním Pythonovém stylu, bych to udělal takto:

my_pets = ['alfred', 'tabitha', 'william', 'arla']
uppered_pets = []

for pet in my_pets:
    pet_ = pet.upper()
    uppered_pets.append(pet_)

print(uppered_pets)

Toto by pak vypsalo ['ALFRED', 'TABITHA', 'WILLIAM', 'ARLA']

S funkcí map() je to nejen jednodušší, ale také mnohem flexibilnější. Udělám to takto:

# Python 3
my_pets = ['alfred', 'tabitha', 'william', 'arla']

uppered_pets = list(map(str.upper, my_pets))

print(uppered_pets)

To by také vypsalo stejný výsledek. Všimněte si, že použiji definovanou syntaxi map() výše, a v tomto případě je func funkce str.upper a iterables je seznam my_pets -- jen jeden iterable. Také si všimněte, že jsme nevolali funkci str.upper (dělajíc to: str.upper()``), protože funkce map to udělá za nás na _každém prvku v seznamumy_pets```_.

Je důležité si uvědomit, že funkce str.upper podle definice vyžaduje pouze jeden argument, takže jsme ji předali pouze jeden iterable. Takže, pokud funkce, kterou předáváte, vyžaduje dva, tři nebo n argumentů, pak musíte předat dva, tři nebo n iterovatel. Dovolte mi to objasnit dalším příkladem.

Představte si, že mám seznam ploch kruhů, který jsem někde vypočítal, všechny jsou na pět desetinných míst. A potřebuji každý prvek v seznamu zaokrouhlit nahoru až do jeho poziční desetinné místa, což znamená, že musím zaokrouhlit první prvek v seznamu na jedno desetinné místo, druhý prvek v seznamu na dvě desetinná místa, třetí prvek v seznamu na tři desetinná místa atd. S map() je to hračka. Pojďme to vidět.

Python nám už požehnal vestavěnou funkcí round(), která bere dva argumenty -- číslo zaokrouhlit a počet desetinných míst, kam číslo zaokrouhlit. Vzhledem k tomu, že funkce vyžaduje dva argumenty, musíme předat dva iterovatelé.

# Python 3

circle_areas = [3.56773, 5.57668, 4.00914, 56.24241, 9.01344, 32.00013]

result = list(map(round, circle_areas, range(1, 7)))

print(result)

Viděli jste krásu map()? Dokážete si představit tu flexibilitu, kterou to vyvolává?

Funkce range(1, 7) funguje jako druhý argument pro funkci round (počet požadovaných desetinných míst na iteraci). Takže když map iteruje skrze circle_areas, během první iterace, první element z circle_areas, 3.56773 je předán společně s prvním elementem z range(1,7), 1 do round, čímž efektivně se stane round(3.56773, 1). Během druhé iterace, druhý element z circle_areas, 5.57668 spolu s druhým elementem z range(1,7), 2 je předán do round, což překládá k round(5.57668, 2). Toto se děje až k dosažení konce seznamu circle_areas.

Jsem si jistý, že se ptáte: "Co pokud předám iterovatelný objekt méně než nebo více než první iterable? To znamená, co když předám range(1, 3) nebo range(1, 9999) jako druhý iterable ve výše uvedené funkci." A odpověď je jednoduchá: nic! Dobře, to není pravda. "Nic" se stane ve smyslu, že funkce map() nezpůsobí žádnou výjimku, jednoduše iteruje přes prvky, dokud nenajde druhý argument pro funkci a v tomto bodě jednoduše zastaví a vrátí výsledek.

Tak například, pokud ohodnotíte result = list(map(round, circle_areas, range(1, 3))), nedostanete žádnou chybu, i když se délka circle_areas a délka range(1, 3) liší. Místo toho Python udělá toto: Vezme první element z circle_areas a první element z range(1,3) a předá ho do round. round to vyhodnotí, poté uloží výsledek. Pak pokračuje na druhou iteraci, druhý element z circle_areas a druhý element z range(1,3), round to znovu uloží. Nyní ve třetí iteraci (circle_areas má třetí element), Python vezme třetí element z circle_areas a pak se pokusí vzít třetí element z range(1,3), ale protože range(1,3) nemá třetí element, Python jednoduše zastaví a vrátí výsledek, což v tomto případě bude jednoduše [3.6, 5.58].

Jděte dál, zkuste to.

# Python 3

circle_areas = [3.56773, 5.57668, 4.00914, 56.24241, 9.01344, 32.00013]

result = list(map(round, circle_areas, range(1, 3)))

print(result)

Stejné se stane, pokud je circle_areas méně než délka druhého iterabilního objektu. Python jednoduše zastaví, když nemůže najít další element v jednom z iterovatel.

Pro konsolidaci našich znalostí o funkci map(), použijeme ji k implementaci vlastní funkce zip(). Funkce zip() je funkce, která přijímá počet iterovatel a pak vytváří n-tici obsahující každý z prvků v iterovatel. Jako map(), v Pythonu 3 vrací objekt generátoru, který může být snadno převeden na seznam zavoláním vestavěné funkce list na něj. Použijte níže uvedenou session interpretu, abyste se seznámili s funkcí zip() dříve, než si vytvoříme naši vlastní s funkcí map().

# Python 3

my_strings = ['a', 'b', 'c', 'd', 'e']
my_numbers = [1, 2, 3, 4, 5]

results = list(zip(my_strings, my_numbers))

print(results)

Jako bonus můžete hádat, co by se stalo v výše uvedené session, pokud my_strings a my_numbers nejsou stejné délky? Ne? zkuste to! Změňte délku jednoho z nich.

Teď k vlastní funkci zip()!

# Python 3

my_strings = ['a', 'b', 'c', 'd', 'e']
my_numbers = [1, 2, 3, 4, 5]

results = list(map(lambda x, y: (x, y), my_strings, my_numbers))

print(results)

Jen se podívejte na to! Máme stejný výsledek jako zip.

Všimli jste si také, že jsem nemusel ani vytvořit funkci pomocí standardního způsobu def my_function()? Tak flexibilní je funkce map(), a Python vůbec! Jednoduše jsem použil funkci lambda. To neznamená, že použití standardní metody definice funkce (pomocí def function_name()) není povoleno, stále je. Jen jsem se rozhodl napsat méně kódu (být "Pythonický").

To je vše k map. Přejděme na filter()

Filter

Zatímco každý prvek v iterovatelném objektu skrze funkci map() prochází funkcí a vrací výsledek všech prvků, které prošly funkcí, filter(), především vyžaduje, aby funkce vracela booleovské hodnoty (true nebo false) a pak prochází každý prvek v iterovatelném objektu skrze funkci, "filtruje" ty, které jsou false. Má následující syntaxi:

filter(func, iterable)

Následující body si všimněte v souvislosti s filter():

1. Na rozdíl od map() je potřebný pouze jeden iterovatelný objekt.
2. Argument func musí vrátit booleovský typ. Pokud nevrátí, filter jednoduše vrátí předaný iterovatelný objekt. Také, protože je potřebný pouze jeden iterovatelný objekt, je implicitní, že func může mít jen jeden argument.
3. filter prochází každý prvek v iterovatelném objektu skrze func a vrací pouze ty, které vyhodnotí jako true. Myslím, že je to přímo v názvu -- je to "filtr".

Podíváme se na nějaké příklady

Následující je seznam (iterable) skóre 10 studentů z chemického testu. Pojďme odfiltrovat ty, kteří prošli s více než 75 body... pomocí filter.

# Python 3
scores = [66, 90, 68, 59, 76, 60, 88, 74, 81, 65]

def is_A_student(score):
    return score > 75

over_75 = list(filter(is_A_student, scores))

print(over_75)

Další příklad bude detektor palindromů. "Palindrom" je slovo, fráze nebo sekvence, která se čte stejně pozpátku jako dopředu. Pojďme odfiltrovat slova, která jsou palindromy z n-tice (iterable) podezřelých palindromů.

# Python 3
dromes = ("demigod", "rewire", "madam", "freer", "anutforajaroftuna", "kiosk")

palindromes = list(filter(lambda word: word == word[::-1], dromes))

print(palindromes)

To by mělo vypsat ['madam', 'anutforajaroftuna'].

Skvělé, že? Nakonec, reduce()

Reduce

reduce aplikuje funkci dvou argumentů kumulativně na prvky iterovatelného objektu, s možností začít s počátečním argumentem. Má následující syntaxi:

reduce(func, iterable[, initial])

Kde func je funkce, na kterou je každý prvek v iterable kumulativně aplikován, a initial je volitelná hodnota, která se umístí před prvky iterovatelného objektu v počítání a slouží jako výchozí, když je iterovatelný objekt prázdný. Následující body si všimněte v souvislosti s reduce(): 1. func vyžaduje dva argumenty, z nichž první je první element v iterable (pokud není poskytnut initial) a druhý element v iterable. Pokud je poskytnut initial, pak se stává prvním argumentem pro func a první element v iterable se stává druhým elementem. 2. reduce "redukuje" (já vím, omluvte mě) iterable do jedné hodnoty.

Jako obvykle, podíváme se na nějaké příklady.

Pojďme vytvořit naši vlastní verzi vestavěné funkce sum() v Pythonu. Funkce sum() vrací součet všech prvků v iterovatelném objektu, který je jí předán.

# Python 3
from functools import reduce

numbers = [3, 4, 6, 9, 34, 12]

def custom_sum(first, second):
    return first + second

result = reduce(custom_sum, numbers)
print(result)

Výsledek, jak očekáváte, je 68.

Tak co se stalo?

Jako obvykle, je to o iteracích: reduce vezme první a druhý prvek z numbers a předá je příslušně do custom_sum. custom_sum vypočítá jejich součet a vrátí ho do stupněreduce. reduce pak vezme tento výsledek a aplikuje ho jako první prvek do custom_sum a vezme další prvek (třetí) z numbers jako druhý prvek do custom_sum. Dělá to souvisle (kumulativně), dokud nejsou vyčerpány numbers.

Podíváme se, co se stane, když použijeme volitelnou hodnotu initial.

# Python 3
from functools import reduce

numbers = [3, 4, 6, 9, 34, 12]

def custom_sum(first, second):
    return first + second

result = reduce(custom_sum, numbers, 10)
print(result)

Výsledek, jak očekáváte, je 78, protože reduce, zpočátku, použije 10 jako první argument pro custom_sum.

To je vše o Pythonových funkcích Map, Reduce a Filter. Vyzkoušejte níže uvedené úlohy, abyste si potvrdili své porozumění každé funkci.

Exercise

V tomto cvičení použijete každou z funkcí map, filter a reduce k opravě rozbitého kódu.

This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!