Python for loop, map, Filter, Reduce 정리

Python은 아무래도 컴파일 되는 것이 아닌, 스크립트 언어다 보니

단순 반복연산에 대한 for loop는 상당히 느립니다.

 

따라서 map, filter, reduce 등으로 대체하는 것을 권장하고 있는데,

세 가지 문법에 대해서 가볍게 정리해보겠습니다.

 

 

import math
import time
import numpy as np

# 0 <= x < 100 사이 값을 1000개 생성
Data = np.random.randint(0, 100, 1000).tolist()

# Regular function
def square(x):
    return x*x

# Lambda function
Square_lambda = lambda x: x*2

 

 

For Loop와 List comprehension

 

# 1. For loop
result = list()
for Integer in Data:
    result.append(square(Integer))


# 2. List comprehension
result = [square(Integer) for Integer in Data]

 

 

 

Map function

# Map function의 parameter는 map(function, iterable) 형태로 되어있다.
# iterable object (list, tuple, set 등의 데이터) 에 대해 function을 모두 적용해준다.
result = list(map(square, Data))
result = list(map(Square_lambda, Data))

 

 

 

Filter function

# filter의 parameter는 filter(function, iterable) 형태로 되어있다.
# filter 안에 들어가는 function은 boolean을 리턴하는 함수 형태여야 한다.
def condition(x):
    return x < 50

condition_lambda = lambda x: x<50

result = list(filter(condition, Data))
result = list(filter(condition_lambda, Data))

 

 

 

Reduce function

# reduce도 마찬가지로 reduce(func, iterable) 형태로 생겼습니다.
# 모든 데이터에 대해 동일한 function을 cumulative하게 적용하는 것 입니다.

from functools import reduce
Data = [1, 2, 3, 4, 5]

# With Lambda function
reduce(lambda x,y: x+y, Data)
# return 15


# reduce의 function이 어떻게 동작하는지 출력과 함께 보기
def addition(x, y):
    print(x, y)
    return x+y

reduce(addition, Data)

In [84]: reduce(addition, input_list)
1 2
3 3
6 4
10 5
Out[84]: 15

 

Reduce function의 동작방식