Question

我最近开始学习函数式编程，并在尝试计算一个类的测验平均值时提出了这个例子。

我提出的例子是：

scores = [90, 91, 92, 94, 95, 96, 97, 99, 100]

def add(num1, num2):
    '''returns the sum of the parameters'''
    return num1 + num2

import operator 

timeit reduce(add, scores) / len(scores)  #--> 1000000 loops, best of 3: 799 ns per loop

timeit sum(scores) / len(scores)  #--> 1000000 loops, best of 3: 207 ns per loop

timeit reduce(operator.add, scores) / len(scores) #--> 1000000 loops, best of 3: 485 ns per loop

在上面的例子中，似乎使用更高阶函数几乎要慢4倍。

所以我的问题是，何时是使用更高阶函数的好时机，因为上面的例子显然不是？

Answer 1

当您需要对数据列表进行任意操作时，

reduce()才有意义，而不是当您已经拥有一个不仅优于reduce()的高度优化的库函数时小名单，但大幅在较大的名单上胜过它。

reduce()为您提供了创建任意折叠的灵活性，但这种灵活性是以一些性能开销为代价的，特别是在大多数基本功能结构被认为略微偏离主流的语言中。

Python具有“功能性”，因为它具有一流的功能，但它主要不是一种功能语言。它为循环中使用提供了丰富的迭代器供应，并具有各种语言功能，使得显式循环易于编写，但并不专注于递归定义的列表操作（尽管它确实允许它们在有限的程度上 - 缺乏TCO例如，我可以直接在Python中解释我的Erlang或Guile代码，但确实可以让我灵活地执行benchmark competing approaches that adhere to similar interfaces}之类的操作。

Answer 2

除了设置性能问题之外，我不得不这样说：使用sum()时没有任何问题，而且风格上你应选择sum()结束reduce()！ reduce()更通用，因此可用于编写其他减少而不仅仅是求和。 sum()是一种常见的缩减，它具有自己的名称和定义。

如果你看一下函数式编程语言，你会发现它们有很多用于处理序列的通用实用函数库，比如Haskell＆＃39; Data.List或Scheme＆＃39; {{3} }。这些库中的函数的 lot 可以用其他函数编写;例如，Haskell中的map函数可以用foldr（类似于reduce()）来编写：

map :: (a -> b) -> [a] -> [b]
map f = foldr go []
  where f a bs = f a : bs

但没有人认为foldr因此map不必要或需要避免。相反，像foldr或reduce()这样的更一般的操作被视为构建块，以构建更专业的函数，使程序更易于编写和理解。

reduce()和sum()属于同一种关系。 reduce()是您在没有像sum()这样的功能时可以使用的构建基块。

Answer 3

代替总和？从不。

但是，通过自定义方法进行聚合时，减少调用将是一种方法。

例如product可以定义为：

product = lambda iterable: reduce(operator.mul, iterable)

同样sum在C。

中实施

Answer 4

reduce和sum做了很多不同的事情。考虑像＆＃34这样的问题;我有一个嵌套字典......

d = {'foo': {'bar': {'baz': 'qux'}}}

我希望获得与密钥列表相关联的值：['foo', 'bar', 'baz']＆＃34;。这个可以调用reduce（如果你是一个函数式编程人员）：

>>> reduce(lambda subdict, k: subdict[k], ['foo', 'bar', 'baz'], d)
'qux'

注意，您无法使用sum执行此操作。只是汇总是一个简单的例子，用于显示减少发生的事情（因为你可以用括号写出来，大多数程序员都熟悉括号组的数学运算）。

你什么时候使用reduce（）而不是sum（）？

4 个答案: