Methodenbeispiel der Funktion „map()' in Python

map() ist Pythons integrierte Funktion höherer Ordnung. Sie empfängt eine Funktion f und eine Liste, und indem sie die Funktion f nacheinander auf jedes Element der Liste anwendet, erhält sie eine neue Liste und gibt diese zurück. Der folgende Artikel stellt hauptsächlich die Verwendung der Funktion „map()“ in Python vor. Freunde, die sie benötigen, können sich auf das

Vorwort

dort beziehen ist eine Funktion „map()“ in Python, die sich etwas hochwertig anfühlt. In diesem Artikel erhalten Sie eine detaillierte Einführung in die Verwendung der Funktion „map()“ in Python. Ich werde im Folgenden nicht viel sagen, sondern einen Blick auf die detaillierte Einführung werfen:

Vielleicht haben Sie das profitabelste Papier von GOOGLE gelesen:

„MapReduce: Simplified Data Processing on Large Clusters“

sagte Googles MapReduce-Papier : Unsere Abstraktion ist von den Karten- und Reduzierprimitiven inspiriert, die in Lisp und vielen anderen funktionalen Sprachen vorhanden sind.

Dieser Satz erwähnt den Ursprung der MapReduce-Idee. Die allgemeine Bedeutung ist, dass MapReduce von den integrierten Funktionen Map und Reduce in funktionalen Sprachen (wie Lisp) inspiriert ist.

Was genau macht map()?

Tatsächlich handelt es sich bei der Funktion „map()“ um eine Zuordnungsbeziehung von einem Datensatz zu einem anderen Datensatz. Es gibt keine Reduzierung oder Hinzufügung von Elementen in der Mitte. Daher entnimmt die Funktion „map()“ in Python der Reihe nach die Elemente aus mehreren Listenobjekten, fügt sie dann zur Operation in die Funktion ein und berechnet das Ergebnis. Es ist eine parallele Beziehung und reduziert keine Elemente.

Zum Beispiel:

#python 3. 6 
#蔡军生 
#http://blog.csdn.net/caimouse/article/details/51749579 
# 
 
def sum(x, y): 
 return x + y 
 
list1 = [1, 3, 5, 7] 
list2 = [2, 4, 6, 8] 
 
result = map(sum, list1, list2) 
print([x for x in result])

Das Ausgabeergebnis ist wie folgt folgt:

[3, 7, 11, 15]

In gleicher Weise ist die Idee der Kartenfunktion Die Verarbeitung kann auch auf Cluster angewendet werden. Auf dem Server werden viele Daten aufgeteilt und dann wird jedes Datenelement zur parallelen Verarbeitung auf einem anderen Computer abgelegt. Die gleiche Zuordnungsbeziehung wird berechnet, und die Anzahl der Daten erhöht sich nicht verringern. Anschließend werden diese verarbeiteten Daten für den Reduzierungsprozess gesammelt.

Wie gehe ich mit der Funktion „reduce()“ in Python um? Sie können aus diesem Artikel lernen.

Zusammenfassung

Das obige ist der detaillierte Inhalt vonMethodenbeispiel der Funktion „map()' in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!