Python reduce() 聚合执行

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

Python reduce 将两个参数的 function 从左至右积累地应用到 iterable 的条目，以便将该可迭代对象缩减为单一的值。Python3.x reduce() 已经被移到 functools 模块里，如果我们要使用，需要引入 functools 模块来调用 reduce() 函数。Python 之父 Guido 专门撰文讨论过 reduce 在 Python 3 的去留问题（见参考）。

理解 reduce

它的语法是：functools.reduce(function, iterable[, initializer])。可以理解为 reduce 中的第一个参数 function 是一个函数，它有两个变量（function 的变量），iterable 是一个序列，function 第一次执行时，按顺序先取两个传入执行，得到一个结果，然后再将这个结果与 iterable 中的下一个值（还是两个变量）传入 function 执行，如此反复直到 iterable 里的值取完为止，最终就能得到一个终极的返回值。

由于在 Python 3.x 开始，它从内置函数中移除，使用时需要导入：

from functools import reduce

例如，reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) 是计算 ((((1+2)+3)+4)+5) 的值。左边的参数 x 是积累值而右边的参数 y 则是来自 iterable 的更新值。

如果存在可选项 initializer，它会被放在参与计算的可迭代对象的条目之前，并在可迭代对象为空时作为默认值。如果没有给出 initializer 并且 iterable 仅包含一个条目，则将返回第一项。

reduce

大致相当于：

def reduce(function, iterable, initializer=None):
    it = iter(iterable)
    if initializer is None:
        value = next(it)
    else:
        value = initializer
    for element in it:
        value = function(value, element)
    return value

另外，如果我们要计算累加，还是继续使用 sum()，不建议用 reduce()：

reduce(lambda x, y: x+y, [1,2,3,4,5])

简单的逻辑可使用 lambda 匿名函数。

案例

累积数据操作

我们做一个累积相除的功能：

from functools import reduce
from operator import truediv

reduce(truediv, [4, 3, 2, 1])
reduce(lambda x,y: x/y, [4, 3, 2, 1])
# 0.6666666666666666

initializer 参数

指定 initializer 参数时，第一次执行时，函数的第一个参数传入此值，第二个参数为序列的第一个值：

from functools import reduce
from operator import truediv

reduce(truediv, [10, 5, 2], 50)
# 0.5

当序列为空时，则返回就是 initializer 的值：

reduce(truediv, [], 50)
# 50

如果 initializer 没有指定，序列也会空，则会报错：

reduce(truediv, [])
# TypeError: reduce() of empty iterable with no initial value

如果没有指定 initializer 并且序列的值只有一个时，则直接返回这个仅有的一个序列值：

reduce(truediv, [10])
# 10

pandas 合并数据

pandas 提供的 pd.merge() 只允许传入两个 DataFrame，但如果有一堆 DataFrame 需要合并，那么这时候就可以用 reduce() 了：

reduce(lambda a, b: pd.merge(a, b, on=['ID']), dflist)

性能和可读性

Python的 reduce() 的性能可能非常差，因为它通过多次调用函数来工作。这会使您的代码变得缓慢和低效。当您将 reduce() 用于复杂的用户定义函数或 lambda 函数时，使用 reduce() 还会影响代码的可读性。

Python 提供了一系列工具，可以优雅地替换 reduce()，至少在其主要用例中是如此。主要有：

尽可能使用专用函数解决 Python 的 reduce() 的用例。函数（如 sum、all、any、max、min、len、math.prod等）将使您的代码更快、更可读、更易于维护，并且更具 Python 风格。
使用 reduce() 时避免使用复杂的用户定义函数。这些类型的函数会使代码难以阅读和理解。您可以改为使用显式且可读的 for 循环。
使用reduce() 时避免使用复杂的 lambda 函数，它们还可能使您的代码无法阅读和混淆。

第二点和第三点是 Guido 自己的担忧，他说：

所以现在 reduce() 这实际上是我最讨厌的一个，因为除了一些涉及 + 或 * 的示例外，几乎每次我看到带有非平凡函数参数的 reduce() 调用时，我都需要抓起纸笔来绘制实际输入到该函数中的内容，然后才能理解 reduce() 应该做什么。所以在我看来，reduce() 的适用性非常局限于关联运算符，在所有其他情况下，最好显式写出积累循环。（来源：https://www.artima.com/weblogs/viewpost.jsp?thread=98196）

以下是用内置函数与reduce() 方法的性能对比：

from timeit import timeit

timeit('sum(range(100))')
# 0.7738632510008756

timeit('reduce(lambda x,y: x+y, range(100))',
       setup='from functools import reduce')
# 6.639591105020372

如果您打算使用 reduce() 来解决问题，那么与使用专用内置函数的代码相比，您的代码将慢得多，内置函数比如求和问题（sum）最具可读性和 python 风格的解决方案。

总结

关于 reduce() 的使用方法的一些总结：

语法：reduce(function, iterable[, initializer])
功能是将一个序列中的元素逐个用函数 function 处理
每次处理是上次的结果与下一个元素进行处理
函数 function 有两个参数，第一次执行时传入序列前两个，后续是 function 返回值与序列下一个元素
initializer，可选，它会被放在参与计算的可迭代对象的条目之前，并在可迭代对象为空时作为默认值
如果没有指定 initializer 并且序列的值只有一个时，则直接返回这个仅有的一个序列值
简单的逻辑 function 可使用 lambda 匿名函数
function 函数的的场景一般处理两个相同性质的参数并返回相同性质的一个值
function 的参数 x、y 的返回值 z 需要是同类型的数据结构（或者经由 function 可兼容计算的）
典型场景为数值累积计算、数据合并等
reduce() 已被 sum、min、max、all、any 等等。然而，reduce() 在函数式程序员中仍然很流行

其他

如果我不想得到最终值，想把每次计算结果保存起来，怎么办？

请参阅 itertools.accumulate() 它可以把 reduce 执行每次执行过程产生所有中间值形成一个迭代器，供迭代使用（而 reduce 会给一个最终值，就是迭代器的最后一个值）。

NumPy reduction function：https://numpy.org/doc/stable/reference/generated/numpy.ufunc.reduce.html

参考

https://docs.python.org/zh-cn/3/library/functools.html#functools.reduce
https://www.artima.com/weblogs/viewpost.jsp?thread=98196
https://realpython.com/python-reduce-function/
pythoninformer.com/python-libraries/numpy/reducing-arrays/