为什么Google Python样式指南更喜欢列表推导和for循环而不是filter,map和reduce?
不推荐使用的语言功能:..."使用列表推导和循环而不是过滤,映射和减少."
给出的解释是:"我们不使用任何不支持这些功能的Python版本,因此没有理由不使用新的样式."
Joc*_*zel 25
map并且filter比列表理解等效的方式更不强大.LC可以一步完成过滤和映射,它们不需要显式功能,并且由于其特殊的语法可以更有效地编译
# map and filter
map(lambda x:x+1, filter(lambda x:x%3, range(10)))
# same as LC
[x+1 for x in range(10) if x%3]
Run Code Online (Sandbox Code Playgroud)
没有理由更喜欢地图或过滤LC.
reduce 略有不同,因为没有等效的LC,但它也没有比普通的for-loop更大的优势.
unu*_*tbu 25
更喜欢列表推导和循环而不是过滤,映射和减少
相反,完整的句子读,
当函数参数无论如何都是内联的lambda时,使用列表推导和for循环而不是filter和map .(我的重点)
因此,不建议您完全避免使用map,例如 - 仅限于此
[expression(item) for item in iterable]
Run Code Online (Sandbox Code Playgroud)
比较好
map(lambda item: expression(item), iterable)
Run Code Online (Sandbox Code Playgroud)
在这种情况下,清楚的是列表理解更直接和可读.
另一方面,使用map这样的方法没有错:
map(str, range(100))
Run Code Online (Sandbox Code Playgroud)
而不是啰嗦
[str(item) for item in range(100)]
Run Code Online (Sandbox Code Playgroud)
它很好地启动:
In [211]: %timeit list(map(str,range(100)))
7.81 µs ± 151 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [215]: %timeit [str(item) for item in range(100)]
10.3 µs ± 3.06 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
Run Code Online (Sandbox Code Playgroud)