Mappa, Filtra, Riduci

Map, Filter e Reduce sono paradigmi della programmazione funzionale. Consentono al programmatore (a te) di scrivere codice più semplice e breve, senza necessariamente dover preoccuparsi di complessità come cicli e ramificazioni.

Fondamentalmente, queste tre funzioni ti permettono di applicare una funzione su un numero di iterabili, in un colpo solo. map e filter sono integrati in Python (nel modulo __builtins__) e non richiedono importazione. reduce, invece, deve essere importato in quanto si trova nel modulo functools. Cerchiamo di capire meglio come funzionano, iniziando con map.

Map

La funzione map() in Python ha la seguente sintassi:

map(func, *iterables)

Dove func è la funzione su cui verrà applicato ciascun elemento in iterables (quanti sono). Noti l'asterisco (*) su iterables? Significa che possono esserci tanti iterabili quanti ne sono necessari, a condizione che func abbia esattamente quel numero di argomenti di input richiesti. Prima di passare a un esempio, è importante notare i seguenti punti:

1. In Python 2, la funzione map() restituisce una lista. In Python 3, tuttavia, la funzione restituisce un oggetto map che è un oggetto generatore. Per ottenere il risultato come lista, può essere chiamata la funzione integrata list() sull'oggetto map. i.e. list(map(func, *iterables))
2. Il numero di argomenti per func deve essere il numero di iterables elencati.

Vediamo come queste regole si applicano con i seguenti esempi.

Supponiamo di avere una lista (iterable) dei miei nomi di animali domestici preferiti, tutti in minuscolo, e li voglio in maiuscolo. Tradizionalmente, in stile python normale, farei qualcosa del genere:

Che produrrebbe quindi ['ALFRED', 'TABITHA', 'WILLIAM', 'ARLA']

Con le funzioni map(), non è solo più facile, ma è anche molto più flessibile. Faccio semplicemente così:

Che produrrebbe lo stesso risultato. Nota che utilizzando la sintassi map() definita sopra, func in questo caso è str.upper e iterables è la lista my_pets -- solo un iterabile. Nota anche che non abbiamo chiamato la funzione str.upper (facendo questo: str.upper()), poiché la funzione map lo fa per noi su ogni elemento nella lista my_pets.

Ancora più importante da notare è che la funzione str.upper richiede solo un argomento per definizione e quindi abbiamo passato solo un iterabile. Quindi, se la funzione che stai passando richiede due, tre o n argomenti, allora devi passare due, tre o n iterabili ad essa. Lasciami chiarire con un altro esempio.

Supponiamo di avere una lista di aree di cerchi che ho calcolato da qualche parte, tutte con cinque cifre decimali. E devo arrotondare ciascun elemento della lista fino alla sua posizione decimale, il che significa che devo arrotondare il primo elemento della lista a un decimale, il secondo elemento della lista a due decimali, il terzo elemento della lista a tre decimali, ecc. Con map() questo è un gioco da ragazzi. Vediamo come.

Python ci benedice già con la funzione integrata round() che accetta due argomenti: il numero da arrotondare e il numero di decimali verso cui arrotondare il numero. Quindi, poiché la funzione richiede due argomenti, dobbiamo passare due iterabili.

Vedi la bellezza di map()? Riesci a immaginare la flessibilità che evoca?

La funzione range(1, 7) funge da secondo argomento per la funzione round (il numero di decimali richiesti per iterazione). Quindi mentre map scorre circle_areas, durante la prima iterazione, il primo elemento di circle_areas, 3.56773 viene passato insieme al primo elemento di range(1,7), 1 a round, facendolo diventare effettivamente round(3.56773, 1). Durante la seconda iterazione, il secondo elemento di circle_areas, 5.57668 insieme al secondo elemento di range(1,7), 2 viene passato a round facendolo tradurre in round(5.57668, 2). Questo accade fino al termine della lista circle_areas.

Sono sicuro che ti stai chiedendo: "Cosa succede se passo un iterabile inferiore o superiore alla lunghezza del primo iterabile? Cioè, cosa succede se passo range(1, 3) o range(1, 9999) come secondo iterabile nella funzione sopra". E la risposta è semplice: niente! Ok, non è vero. Non succede "niente" nel senso che la funzione map() non solleva alcuna eccezione, semplicemente itera sugli elementi fino a quando non può trovare un secondo argomento per la funzione, a quel punto semplicemente si ferma e restituisce il risultato.

Quindi, ad esempio, se valuti result = list(map(round, circle_areas, range(1, 3))), non otterrai alcun errore anche se la lunghezza di circle_areas e la lunghezza di range(1, 3) differiscono. Invece, questo è ciò che fa Python: Prende il primo elemento di circle_areas e il primo elemento di range(1,3) e lo passa a round. round lo valuta quindi salva il risultato. Poi passa alla seconda iterazione, secondo elemento di circle_areas e secondo elemento di range(1,3), round lo salva di nuovo. Ora, nella terza iterazione (circle_areas ha un terzo elemento), Python prende il terzo elemento di circle_areas e poi cerca di prendere il terzo elemento di range(1,3), ma poiché range(1,3) non ha un terzo elemento, Python semplicemente si ferma e restituisce il risultato, che in questo caso sarebbe semplicemente [3.6, 5.58].

Avanti, provaci.

La stessa cosa accade se circle_areas è inferiore alla lunghezza del secondo iterabile. Python semplicemente si ferma quando non riesce a trovare il prossimo elemento in uno degli iterabili.

Per consolidare la nostra conoscenza della funzione map(), la useremo per implementare la nostra funzione personalizzata zip(). La funzione zip() è una funzione che accetta un numero di iterabili e poi crea una tupla contenente ciascuno degli elementi negli iterabili. Come map(), in Python 3, restituisce un oggetto generatore, che può essere facilmente convertito in una lista chiamando la funzione integrata list su di esso. Usa la sessione dell'interprete qui sotto per avere una presa su zip() prima di crearne uno nostro con map()

Come bonus, riesci a indovinare cosa succederebbe nella sessione sopra se my_strings e my_numbers non avessero la stessa lunghezza? No? provaci! Cambia la lunghezza di uno di loro.

Passiamo alla nostra funzione personalizzata zip()!

Guarda quello! Abbiamo lo stesso risultato di zip.

Hai anche notato che non ho nemmeno bisogno di creare una funzione utilizzando il modo standard def my_function()? Ecco quanto è flessibile map(), e Python in generale! Ho semplicemente usato una funzione lambda. Questo non vuol dire che usare il metodo di definizione della funzione standard (di def function_name()) non sia consentito, lo è ancora. Preferisco semplicemente scrivere meno codice (essere "Pythonic").

Questo è tutto sulla mappa. Passiamo a filter()

Filter

Mentre map() passa ogni elemento nell'iterabile attraverso una funzione e restituisce il risultato di tutti gli elementi che sono passati attraverso la funzione, filter(), innanzitutto, richiede che la funzione restituisca valori booleani (vero o falso) e poi passa ciascun elemento nell'iterabile attraverso la funzione, "filtrando" via quelli che sono falsi. Ha la seguente sintassi:

filter(func, iterable)

I seguenti punti devono essere notati riguardo a filter():

1. A differenza di map(), è richiesto solo un iterabile.
2. L'argomento func è richiesto per restituire un tipo booleano. Se non lo fa, filter restituisce semplicemente l'iterable passato ad esso. Inoltre, poiché è richiesto un solo iterabile, è implicito che func deve prendere solo un argomento.
3. filter passa ciascun elemento nell'iterabile attraverso func e restituisce solo quelli che valutano come veri. Voglio dire, è proprio lì nel nome: un "filtro".

Vediamo alcuni esempi

Quella che segue è una lista (iterable) dei voti di 10 studenti in un esame di Chimica. Filtriamo quelli che hanno superato con voti superiori a 75...usando filter.

Il prossimo esempio sarà un rilevatore di palindromi. Un "palindromo" è una parola, una frase o una sequenza che legge lo stesso indietro come in avanti. Filtriamo le parole che sono palindromi da una tupla (iterable) di sospetti palindromi.

Che dovrebbe produrre ['madam', 'anutforajaroftuna'].

Davvero carino, no? Infine, reduce()

Reduce

reduce applica una funzione di due argomenti in modo cumulativo agli elementi di un iterabile, opzionalmente iniziando con un argomento iniziale. Ha la seguente sintassi:

reduce(func, iterable[, initial])

Dove func è la funzione su cui ciascun elemento nell'iterable viene applicato in modo cumulativo, e initial è il valore opzionale che viene posizionato prima degli elementi dell'iterabile nel calcolo, e serve come valore predefinito quando l'iterabile è vuoto. I seguenti punti devono essere notati riguardo a reduce(): 1. func richiede due argomenti, il primo dei quali è il primo elemento nell'iterable (se initial non è fornito) e il secondo elemento nell'iterable. Se initial è fornito, diventa il primo argomento di func e il primo elemento nell'iterable diventa il secondo elemento. 2. reduce "riduce" (lo so, perdonami) iterable in un unico valore.

Come al solito, vediamo alcuni esempi.

Creiamo la nostra versione della funzione integrata sum() di Python. La funzione sum() restituisce la somma di tutti gli elementi dell'iterable passato ad essa.

Il risultato, come ci si aspetta, è 68.

Quindi, cosa è successo?

Come al solito, tutto riguarda le iterazioni: reduce prende il primo e il secondo elemento in numbers e li passa rispettivamente a custom_sum. custom_sum computa la loro somma e la restituisce a reduce. reduce prende quindi quel risultato e lo applica come primo elemento a custom_sum e prende il prossimo elemento (terzo) in numbers come secondo elemento a custom_sum. Questo avviene in modo continuo (cumulativo) fino a quando numbers non viene esaurito.

Vediamo cosa succede quando uso il valore opzionale initial.

Il risultato, come ci si aspetta, è 78 perché reduce, inizialmente, usa 10 come primo argomento per custom_sum.

Questo è tutto sui Map, Reduce e Filter di Python. Prova gli esercizi qui sotto per verificare la tua comprensione di ciascuna funzione.

Exercise

In questo esercizio, utilizzerai ciascuno di map, filter, e reduce per correggere il codice rotto.

This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!