Python中reduce函数详解_python_

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。

1 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

2 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。

到此这篇关于Python中reduce函数详解的文章就介绍到这了,更多相关Python reduce函数内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

提示： 本文由神整理自网络，如有侵权请联系本站删除！
本站声明：
1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持；
2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！