Exemple de méthode de la fonction map() en python

map() est la fonction d'ordre supérieur intégrée de Python. Elle reçoit une fonction f et une liste, et en appliquant la fonction f à chaque élément de la liste tour à tour, elle obtient une nouvelle liste et la renvoie. L'article suivant présente principalement comment utiliser la fonction map() en Python. Les amis qui en ont besoin peuvent se référer à l'

Avant-propos

Ici. est une fonction map() en python, qui semble un peu haut de gamme. Cet article vous donnera une introduction détaillée à l'utilisation de la fonction map() en python, et le partagera pour votre référence et votre étude. Je ne dirai pas grand-chose ci-dessous, jetons un œil à l'introduction détaillée :

<.>

Peut-être que vous avez lu l'article le plus rentable de GOOGLE :

"MapReduce : Simplified Data Processing on Large Clusters"

L'article MapReduce de Google a déclaré : Notre abstraction s'inspire des primitives map et réduction présentes en Lisp et dans de nombreux autres langages fonctionnels.

Cette phrase mentionne l'origine de l'idée MapReduce. La signification générale est que MapReduce s'inspire des fonctions intégrées map et réduire dans les langages fonctionnels (tels que Lisp).

Alors, que fait exactement map() ?

En fait, la fonction map() est une relation de mappage d'un ensemble de données à un autre ensemble de données. Il n'y a pas de réduction ou d'ajout d'éléments au milieu. Par conséquent, en Python, la fonction map() extrait les éléments de plusieurs objets de liste dans l'ordre, puis les place dans la fonction pour les utiliser et calcule le résultat. C'est une relation parallèle et ne réduit pas les éléments.

Par exemple :

#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])

Le résultat de sortie est le suivant suit :

[3, 7, 11, 15]

De la même manière, l'idée de​​ Le traitement par fonction cartographique peut également être appliqué aux clusters. Sur le serveur, de nombreuses données sont divisées, puis chaque élément de données est placé sur un ordinateur différent pour un traitement parallèle. La même relation de mappage est calculée, et le nombre de données ne le fait pas. augmenter ou diminuer. Ensuite, ces données traitées sont rassemblées pour le processus de réduction.

Quant à savoir comment gérer la fonction réduire() en python ? Vous pouvez apprendre de cet article.

Résumé

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!