Python基礎之reduce函數

哈嘍大家好，今天說一下reduce函數的使用方法，以及與for迴圈的對比。

reduce函數原本在python2中也是個內置函數，不過在python3中被移到functools模塊中。

reduce函數先從列表（或序列）中取出2個元素執行指定函數，並將輸出結果與第3個元素傳入函數，輸出結果再與第4個元素傳入函數，…，以此類推，直到列表每個元素都取完。

# 很多小伙伴在學習的過程中，因為沒有好的資料和教程，也不清楚學習方向，以及遇到問題得不到及時的解決，導致自己喪失了學習興趣與動力，不僅白白浪費時間精力，而且下次在想學東西，也沒有興趣了。

# 所以小編創了一個學習交流q君羊 279199867，準備了海量的學習資料，直接找管理領取就可以了，同數千志同道合的人一同學習交流，

reduce用法

對列表元素求和，如果不用reduce，我們一般常用的方法是for迴圈：

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，代碼量比較多，不夠優雅。如果使用reduce，那麼代碼將非常簡潔：

from functools import reduce

a = [1, 2, 3, 4, 5]

def add(x, y): return x + y

print(reduce(add, a))

輸出結果為：

15

reduce與for迴圈性能對比

與內置函數map和filter不一樣的是，在性能方面，reduce相比較for迴圈來說沒有優勢，甚至在實際測試中

reduce比for迴圈更慢。
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迴圈耗時:', (t2 - t1))
print('reduce耗時:', (t3 - t2))

輸出結果如下：

for迴圈耗時: 0.009323899999999996
reduce耗時: 0.018477400000000005

因此，如果對性能要求苛刻，建議不用reduce， 如果希望代碼更優雅而不在意耗時，可以用reduce。

好啦，今天的分享就到這，如果對你有幫助的話可以收藏起來喲！

給大家推薦一套Python爬蟲教程，涵蓋了大部分的常見案例，非常好用！

Python 爬蟲實戰一百例