python map函数的用法和特点

Python 的 map 函数的主要任务是将指定的函数应用到可迭代对象（如列表、元组、集合等）的每个元素上，进而生成一个新的可迭代对象。这个概念还是比较好懂的，但是有点拗口。我们举个简单例子来解释一下吧。

比如有个函数 f ，传入一个参数，这函数可以是对参数进行很复杂的处理后返回，不过这里为了方便讲解，我们就简单一下，就返回参数的平方好了。

def f(x):

return x ** 2

现在有个列表 x=[1,2,3,4,5] 。要如何把列表里的每个元素都用函数 f 来处理一下呢？

传统的方法我们可以这样操作：定义一个空列表 y=[] ，用一个 for 循环，

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

y = []

for i in x:

y.append(f(i))

print(y)

这样可以通过遍历 x 列表来实现了。

而通过 map 函数，就更简单了。直接用 map(f,x) 就行。这样 map 函数会把 x 列表里所有成员都分别带入 f 函数处理。最后返回结果是一个可迭代对象。我们可以用 list 把这个可迭代对象转成列表。

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

result = list(map(f, x))

print(result)

通过这个简单例子，我们就能理解 map 是用来干嘛的了。

那 map 函数都有哪些特点呢？

第一， map 可以对任意可迭代对象进行处理，包括列表，元组，集合，字符串等。比如我们这里把 x 变成一个字符串，函数返回值也改成对字符串的处理，这样也是可以的。

def process_str(s):

return s.upper()

x = "hello"

result = list(map(process_str, x))

print(result)

第二， map 可以处理多个可迭代对象，这时函数参数数量也要是多个的。 比如我们改一下 f 函数，传入两个参数，返回这两个参数的相加。再定义一个字符串 y ，把 x 和 y 都放到 map 里用函数 f 处理。输出看下结果。 map 函数会按顺序逐个提取两个可迭代对象里的元素，作为参数传给 f 。

def add(x, y):

return x + y

x = [1, 2, 3]

y = [4, 5, 6]

result = list(map(add, x, y))

print(result)

如果两个可迭代对象元素长度不同时， map 函数的会以最短的长度为准，忽略掉过长的那些元素。比如我们把 y 字符串剪短一些，运行可以看到结果列表也是较短的。

def add(x, y):

return x + y

x = [1, 2, 3, 4]

y = [4, 5, 6]

result = list(map(add, x, y))

print(result)

第三， map 返回结果是个迭代器，只能迭代一次。比如我们把 map 提出来赋值给 z ，然后打印两次 list(z) ，可以看到第二次打印时是空的。 如果需要多次使用，则可以先转成列表再赋值。然后打印 z 。这样两次打印都有结果。 感兴趣的小伙伴可以仔细对比一下这两种方式有什么不同。另外，由于是返回迭代器，而迭代器只有在需要时才会计算和返回值，所以在处理大规模数据时，用 map 可以避免一次性加载大量数据，可以节省内存资源。

x = [1, 2, 3]

z = map(f, x)

print(list(z))

print(list(z))

z = list(map(f, x))

print(z)

print(z)

map 都有哪些常用的应用场景呢？比如：

场景一，在处理数据前，对数据进行标准化处理。比如对一串浮点数的数据，我们处理时如果是要用整数的，可以用 map(int,x) ，把所有数先转成整型。 或者是格式转换，把字符串格式转成数值类型。

float_list = [1.1, 2.2, 3.3]

int_list = list(map(int, float_list))

print(int_list)

str_list = ["1", "2", "3"]

int_list_from_str = list(map(int, str_list))

print(int_list_from_str)

场景二，代替 for 循环，通过自定义的函数，对列表里所有数据进行函数处理。

def square(x):

return x ** 2

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

squared_nums = list(map(square, nums))

print(squared_nums)

场景三，结合 lambda 表达式，快速对列表元素进行简单处理。关于 lambda 表达式，我们留到后面的视频里再介绍。

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

result = list(map(lambda x: x * 2, nums))

print(result)

场景四，对于多个有对应关系的列表，用自定义函数来快速整合。比如有一个产品单价列表，一个产品销售量列表，可以通过 map ，快速获得产品销售额列表。

price = [10, 20, 30]

quantity = [2, 3, 4]

sales = list(map(lambda x, y: x * y, price, quantity))

print(sales)

场景五：在处理海量日志数据时，假设日志文件中每行记录了一个时间戳，需要将其转换为特定的日期格式。由于日志数据量巨大，使用 map 函数返回的迭代器可以避免一次性加载所有数据，从而节省内存。

# 假设这里是简单的时间戳字符串列表，实际应用中从日志文件读取

timestamps = ["20230101", "20230102", "20230103"]

# 简单模拟转换函数，实际应用中会更复杂

def convert_timestamp(ts):

return ts[:4] + "-" + ts[4:6] + "-" + ts[6:]

result = list(map(convert_timestamp, timestamps))

print(result)

关于 map 函数，我们就先讲到这里了，相信你对 Python 的 map 函数有了更多的理解。最后留个作业：仔细对比一下 map 函数和推导式，有哪些功能重复或相似的地方，又有哪些不同呢？