六个Python3中高频使用的内置函数与代码示例

Python3 常用内置函数实战解析

第一步：使用 lambda 编写单次调用逻辑

当业务仅需一行简单的运算规则且无需复用时，可使用 lambda 表达式快速创建匿名函数。语法结构为 lambda 参数: 表达式，右侧表达式的计算结果将自动作为返回值，适合内嵌于高阶函数或临时赋值场景。

# 常规函数定义

def add_nums(x, y):
    return x + y
print(f'常规函数输出：{add_nums(8, 9)}')

# lambda 表达式实现
add_lmd = lambda x, y: x + y
print(f'lambda 表达式输出：{add_lmd(5, 10)}')

两段代码均正确返回参数之和。lambda 将入参直接绑定至右侧表达式，能显著缩减样板代码。

第二步：利用 map 批量转换可迭代对象

map 函数接收一个处理函数与一个或多个可迭代对象，返回经过映射后的新迭代器。相比传统 for 循环逐项 append，map 在内存占用与底层 C 实现效率上更具优势。

# 传统 for 循环方式
strings = ['10', '20', '30']
res_loop = []
for s in strings:
    res_loop.append(int(s))

# map 函数方式
res_map = list(map(int, strings))
print(f'map 转换结果：{res_map}')  # 输出 ['10', '20', '30'] 对应的整数列表

若需应用自定义规则，只需将函数指针传入 map。例如将单词统一转为大写：

words = ['python', 'java', 'go']
upper_words = list(map(str.upper, words))
print(f'大小写转换：{upper_words}')  # 输出 ['PYTHON', 'JAVA', 'GO']

第三步：通过 filter 筛选符合条件的数据

filter(function, iterable) 会遍历可迭代对象，仅保留使指定函数返回 True 的元素，是数据清洗阶段的高效工具。

numbers = [11, 22, 33, 44, 55, 66, 77]
# 过滤保留奇数
odds = list(filter(lambda n: n % 2 == 1, numbers))
print(f'筛选结果：{odds}')  # 输出 [11, 33, 55, 77]

第四步：借助 reduce 执行序列累积运算

reduce 属于标准库 functools 模块，它会将一个接收两个参数的函数以滚动方式作用于序列，最终汇总为单个结果。使用前必须进行显式导入。

from functools import reduce
nums = [10, 20, 30, 40, 50]
# 计算所有元素的乘积
product = reduce(lambda x, y: x * y, nums)
print(f'累积乘积：{product}')  # 输出 12000000

第五步：使用 enumerate 同步获取索引与数据

遍历集合时若需同时记录位置序号，enumerate 可直接产出 (index, value) 元组，避免手动维护计数器变量，提升循环可读性。

frameworks = ['Python', 'Java', 'C++', 'Go']
for idx, name in enumerate(frameworks):
    print(f'当前索引：{idx}, 语言：{name}')
# 控制台逐行打印 0~3 对应的框架名称

第六步：应用 zip 并行合并多个序列

zip 函数按位置将多个可迭代对象打包成元组，默认以最短序列长度为基准进行截断。常用于参数对齐、表格重组或字典构造。

ids = [1, 2, 3, 4, 5]
techs = ['Python', 'Java', 'Ruby', 'Go', 'C#']
paired = list(zip(ids, techs))
print(f'打包结果：{paired}')
# 输出 [(1, 'Python'), (2, 'Java'), (3, 'Ruby'), (4, 'Go'), (5, 'C#')] 

总结与性能建议

上述六个函数覆盖了数据转换、条件过滤、聚合归约、索引管理及多维合并的核心需求。在实际工程中，优先使用 map/filter/reduce 替代基础循环能有效压缩代码体积，而 enumerate 与 zip 则是处理结构化数据的标配组件。需注意 map 与 filter 默认返回惰性迭代器，若需多次读取或调试检查，务必使用 list() 完成物化。对于超大规模数据集，建议结合生成器表达式或 itertools 模块进一步控制内存峰值。

以上就是Python3常用内置函数（lambda、map、filter、reduce、enumerate、zip）的详细解析，更多关于Python高效编程的资料请关注本站其它相关文章！