Mapa, Filtr, Redukcja

Map, Filter i Reduce to paradygmaty programowania funkcyjnego. Pozwalają one programiście (czyli Tobie) pisać prostszy, krótszy kod, bez konieczności zajmowania się szczegółami, takimi jak pętle i rozgałęzienia.

Zasadniczo, te trzy funkcje pozwalają na zastosowanie funkcji na wielu iterowalnych jednocześnie. map i filter są wbudowane w Pythonie (w module __builtins__) i nie wymagają importowania. reduce, jednakże, musi być importowane, ponieważ znajduje się w module functools. Przyjrzyjmy się bliżej, jak działają te funkcje, zaczynając od map.

Map

Funkcja map() w Pythonie ma następującą składnię:

map(func, *iterables)

Gdzie func to funkcja, która zostanie zastosowana na każdym elemencie w iterables (niezależnie od ich ilości). Zauważ gwiazdkę (*) przy iterables? Oznacza ona, że może być tak wiele iterowalnych, jak to tylko możliwe, o ile func wymaga dokładnie takiej liczby argumentów wejściowych. Zanim przejdziemy do przykładu, ważne jest, abyś zanotował następujące informacje:

1. W Pythonie 2 funkcja map() zwraca listę. W Pythonie 3 funkcja zwraca obiekt map który jest obiektem generatora. Aby uzyskać wynik jako listę, można wywołać wbudowaną funkcję list() na obiekcie map. Czyli: list(map(func, *iterables))
2. Liczba argumentów do func musi być taka sama jak liczba wymienionych iterables.

Zobaczmy, jak te zasady działają w praktyce na poniższych przykładach.

Powiedzmy, że mam listę (iterable) moich ulubionych imion zwierząt, wszystkie zapisane małymi literami i potrzebuję je w wersji wielkimi literami. Tradycyjnie, w normalnym Pythonie, zrobiłbym coś takiego:

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

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

print(uppered_pets)

Co spowodowałoby wyświetlenie ['ALFRED', 'TABITHA', 'WILLIAM', 'ARLA']

Z funkcjami map() jest nie tylko łatwiej, ale także znacznie bardziej elastycznie. Robię po prostu tak:

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

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

print(uppered_pets)

Co również wyświetli ten sam wynik. Zauważ, że używając zdefiniowanej powyżej składni map(), func w tym przypadku to str.upper a iterables to lista my_pets -- tylko jedno iterowalne. Zwróć również uwagę, że nie wywoływaliśmy funkcji str.upper (robiąc to: str.upper()), ponieważ funkcja map robi to za nas dla każdego elementu z listy my_pets.

Co jest bardziej istotne, to fakt, że funkcja str.upper z definicji wymaga tylko jednego argumentu i dlatego przekazaliśmy tylko jedno iterowalne. Więc, jeśli funkcja, którą przekazujesz, wymaga dwóch, trzech lub n argumentów, to musisz przekazać dwa, trzy lub n iterowalnych do niej. Wyjaśnię to na innym przykładzie.

Powiedzmy, że mam listę obszarów kół, które obliczyłem gdzieś, wszystkie zaokrąglone do pięciu miejsc po przecinku. I muszę zaokrąglić każdy element z listy do jego pozycji po przecinku, co oznacza, że muszę zaokrąglić pierwszy element z listy do jednego miejsca po przecinku, drugi element z listy do dwóch miejsc po przecinku, trzeci element z listy do trzech miejsc po przecinku, itd. Z map() to bułka z masłem. Zobaczmy, jak to działa.

Python błogosławi nas już wbudowaną funkcją round(), która przyjmuje dwa argumenty -- liczbę do zaokrąglenia i liczbę miejsc po przecinku, do której należy zaokrąglić liczbę. Tak więc, skoro funkcja wymaga dwóch argumentów, musimy przekazać dwa iterowalne.

# 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)

Widzisz piękno w map()? Czy możesz sobie wyobrazić, jaką elastyczność to wzbudza?

Funkcja range(1, 7) działa jako drugi argument do funkcji round (liczba wymaganych miejsc dziesiętnych na iterację). Tak więc, gdy map iteruje przez circle_areas, podczas pierwszej iteracji, pierwszy element z circle_areas, 3.56773 jest przekazywany wraz z pierwszym elementem z range(1,7), 1 do round, co powoduje, że w rezultacie otrzymujemy round(3.56773, 1). Podczas drugiej iteracji, drugi element z circle_areas, 5.57668 wraz z drugim elementem z range(1,7), 2 jest przekazywany do round, co powoduje, że w rezultacie otrzymujemy round(5.57668, 2). Tak dzieje się aż do końca listy circle_areas.

Jestem pewny, że zastanawiasz się: „Co się stanie, jeśli przekażę iterowalne krótsze lub dłuższe niż długość pierwszego iterowalnego? Tzn., co jeśli przekażę range(1, 3) lub range(1, 9999) jako drugie iterowalne w powyższej funkcji”. I odpowiedź jest prosta: nic! Okej, to nie do końca prawda. „Nic” dzieje się w tym sensie, że funkcja map() nie zgłosi żadnego wyjątku, po prostu będzie iterować nad elementami, aż nie będzie mogła znaleźć drugiego argumentu dla funkcji, wtedy po prostu przestanie i zwróci wynik.

Na przykład, jeśli ocenisz result = list(map(round, circle_areas, range(1, 3))), nie otrzymasz żadnego błędu, nawet gdy długość circle_areas i długość range(1, 3) różnią się. Zamiast tego, to co robi Python: Bierze pierwszy element z circle_areas i pierwszy element z range(1,3) i przekazuje je do round. round oblicza to, a następnie zapisuje wynik. Potem przechodzi do drugiej iteracji, drugiego elementu z circle_areas i drugiego elementu z range(1,3), round znowu to zapisuje. Teraz, w trzeciej iteracji (circle_areas ma trzeci element), Python bierze trzeci element z circle_areas, a potem próbuje wziąć trzeci element z range(1,3), ale ponieważ range(1,3) nie ma trzeciego elementu, Python po prostu przestaje i zwraca wynik, który w tym przypadku to [3.6, 5.58].

Śmiało, spróbuj tego.

# 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)

To samo dzieje się, jeśli circle_areas jest krótsze niż długość drugiego iterowalnego. Python po prostu przestaje, gdy nie może znaleźć kolejnego elementu w jednym z iterowalnych.

Aby skonsolidować naszą wiedzę o funkcji map(), zamierzamy użyć jej do zaimplementowania własnej funkcji zip(). Funkcja zip() to funkcja, która bierze pewną ilość iterowalnych i tworzy z nich krotki zawierające każdy z elementów w iterowalnych. Podobnie jak map(), w Pythonie 3 zwraca obiekt generatora, który może być łatwo skonwertowany na listę przez wywołanie wbudowanej funkcji list. Użyj sesji interpretera poniżej, aby zorientować się w funkcji zip() przed stworzeniem swojej z użyciem 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, czy potrafisz zgadnąć, co by się stało w powyższej sesji, gdyby my_strings i my_numbers nie były tej samej długości? Nie? Spróbuj tego! Zmień długość jednego z nich.

Przejdźmy do naszej własnej funkcji 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)

Spójrz na to! Mamy ten sam wynik co zip.

Zauważyłeś również, że nawet nie musiałem tworzyć funkcji używając standardowego sposobu def my_function()? Tak elastyczne jest map(), a Python w ogóle! Po prostu użyłem funkcji lambda. To nie oznacza, że używanie standardowej metody definicji funkcji (def function_name()) jest niedozwolone, nadal jest. Po prostu wolałem napisać mniej kodu (być "Pythonic").

To wszystko o map. Przejdźmy do filter()

Filter

Podczas gdy map() przeprowadza każdy element w iterowalnym przez funkcję i zwraca wynik dla wszystkich elementów, które przeszły przez funkcję, filter() wymaga, aby funkcja zwracała wartości boolowskie (prawda lub fałsz) i przekazuje każdy element w iterowalnym przez funkcję, "filtrowując" te, które są fałszywe. Ma następującą składnię:

filter(func, iterable)

Następujące kwestie powinny być zanotowane dotyczące filter():

1. W przeciwieństwie do map(), wymagane jest tylko jedno iterowalne.
2. Argument func musi zwracać typ boolowski. Jeśli tego nie zrobi, filter po prostu zwraca przekazane do niego iterable. Ponieważ wymagane jest tylko jedno iterowalne, jest to zrozumiałe, że func musi przyjmować tylko jeden argument.
3. filter przekazuje każdy element w iterowalnym przez func i zwraca tylko te, które oceniają się jako prawda. Jest to, jak wynika z nazwy, "filtr".

Zobaczmy kilka przykładów

Poniższa lista (iterable) zawiera wyniki 10 uczniów z egzaminu z chemii. Wyszukajmy tych, którzy zdali z wynikiem ponad 75... za pomocą 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)

Następny przykład będzie detektorem palindromów. "Palindrom" to słowo, fraza lub sekwencja, która czytana do tyłu jest taka sama jak od przodu. Wyszukajmy słowa będące palindromami z krotki (iterable) podejrzanych palindromów.

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

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

print(palindromes)

Co powinno wyświetlić ['madam', 'anutforajaroftuna'].

Całkiem fajne, prawda? Na koniec reduce()

Reduce

reduce stosuje funkcję dwóch argumentów kumulatywnie do elementów iterowalnego, opcjonalnie rozpoczynając od początkowego argumentu. Ma następującą składnię:

reduce(func, iterable[, initial])

Gdzie func to funkcja, na której każdy element w iterable zostanie kumulatywnie zastosowany, a initial to opcjonalna wartość, która zostanie umieszczona przed elementami iterowalnego w obliczeniach i służy jako domyślna, gdy iterowalne jest puste. Należy zwrócić uwagę na poniższe kwestie dotyczące reduce(): 1. func wymaga dwóch argumentów, z których pierwszy to pierwszy element w iterable (jeśli initial nie zostanie podane) i drugi element w iterable. Jeśli initial zostanie podane, to staje się ono pierwszym argumentem dla func, a pierwszy element w iterable staje się drugim elementem. 2. reduce redukuje (wiem, wybacz mi) iterable do pojedynczej wartości.

Jak zwykle, zobaczmy kilka przykładów.

Stwórzmy własną wersję wbudowanej funkcji Pythona sum(). Funkcja sum() zwraca sumę wszystkich elementów w przekazanym do niej iterowalnym.

# 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)

Wynik, jak się spodziewasz, to 68.

Więc, co się stało?

Jak zwykle, wszystko sprowadza się do iteracji: reduce bierze pierwszy i drugi element z numbers i przekazuje je do custom_sum odpowiednio. custom_sum oblicza ich sumę i zwraca ją do reduce. reduce następnie bierze ten wynik i stosuje go jako pierwszy element do custom_sum oraz bierze następny element (trzeci) w numbers jako drugi element do custom_sum. Robi to ciągle (kumulatywnie) aż do wyczerpania numbers.

Zobaczmy, co się stanie, gdy użyję opcjonalnej wartości 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)

Wynik, jak się spodziewasz, to 78 ponieważ reduce początkowo używa 10 jako pierwszego argumentu do custom_sum.

To wszystko o Map, Reduce i Filter w Pythonie. Wykonaj poniższe ćwiczenia, aby upewnić się, że rozumiesz każdą funkcję.

Ćwiczenie

W tym ćwiczeniu użyjesz każdej z funkcji map, filter, i reduce, aby naprawić błędny kod.

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!