Python学习之路（十三）-常用函数的使用，及优化

Python 语言中有一些常用的函数，它们在日常编程中非常实用

---

1. map() 函数

使用方式：

map() 函数将一个函数应用于可迭代对象（如列表、元组等）的所有元素，并返回一个新的可迭代对象。

# 示例：将列表中的每个数字平方
numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x ** 2, numbers))
print(squared)  # 输出：[1, 4, 9, 16]

优化建议：

• 当需要对大量数据进行简单操作时，map() 比显式的 for 循环更简洁。
• 如果逻辑较复杂，优先使用 for 循环以提高代码可读性。
• 可以结合 lambda 表达式实现简洁的匿名函数。

---

2. filter() 函数

使用方式：

filter() 函数用于过滤序列，保留满足条件的元素。

# 示例：筛选出偶数
numbers = [1, 2, 3, 4, 5]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)  # 输出：[2, 4]

优化建议：

• 与 map() 类似，适用于简单的过滤逻辑。
• 对于复杂的判断逻辑，可以定义单独的函数来替代 lambda 表达式。

---

3. reduce() 函数

使用方式：

reduce() 函数需要从 functools 模块导入，它将一个函数累积地应用到可迭代对象的所有元素上，最终得到一个单一的结果。

from functools import reduce# 示例：计算列表所有元素的乘积
numbers = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 输出：24

优化建议：

• 适合用于累加、累乘等场景。
• 注意处理空列表的情况，避免引发异常。

---

4. zip() 函数

使用方式：

zip() 函数将多个可迭代对象按位置组合成一个元组的列表。

# 示例：将两个列表合并为元组列表
names = ["Alice", "Bob"]
scores = [85, 90]
combined = list(zip(names, scores))
print(combined)  # 输出：[('Alice', 85), ('Bob', 90)]

优化建议：

• 在处理多个并行数据时非常有用。
• 如果输入的长度不一致，结果会以最短的为准。

---

5. enumerate() 函数

使用方式：

enumerate() 函数用于遍历可迭代对象的同时获取索引和值。

# 示例：打印列表的索引和值
fruits = ["apple", "banana", "cherry"]
for index, fruit in enumerate(fruits):print(index, fruit)

优化建议：

• 替代传统的 for i in range(len(...)) 写法，代码更简洁。
• 提高可读性，尤其在需要索引的场景中。

---

6. sorted() 和 list.sort() 函数

使用方式：

sorted() 返回排序后的新列表，而 list.sort() 会原地修改原始列表。

# 示例：对列表进行排序
numbers = [3, 1, 4, 2]
sorted_numbers = sorted(numbers)
print(sorted_numbers)  # 输出：[1, 2, 3, 4]# 原地排序
numbers.sort()
print(numbers)  # 输出：[1, 2, 3, 4]

优化建议：

• 使用 key 参数自定义排序规则（例如按字符串长度排序）。
• 对大型数据集排序时，注意性能开销。

---

7. itertools 模块

常用函数：

• itertools.product()：笛卡尔积。
• itertools.permutations()：排列。
• itertools.combinations()：组合。

import itertools# 示例：生成两个列表的笛卡尔积
a = [1, 2]
b = ['x', 'y']
print(list(itertools.product(a, b)))  # 输出：[(1, 'x'), (1, 'y'), (2, 'x'), (2, 'y')]

优化建议：

• 避免直接生成超大数据集，尽量使用惰性求值特性。
• 适合解决组合问题，但需要注意时间复杂度。

---

8. collections 模块

常用类：

• Counter：统计元素出现次数。
• defaultdict：带默认值的字典。
• deque：高效的双端队列。

from collections import Counter# 示例：统计列表中元素的频率
words = ["apple", "banana", "apple", "orange"]
word_count = Counter(words)
print(word_count)  # 输出：Counter({'apple': 2, 'banana': 1, 'orange': 1})

优化建议：

• 在需要高效统计或数据结构时使用。
• 熟悉其内部实现原理，避免过度依赖。