在 Python 中的可迭代对象上调用多个 reduce 函数的有效方法？答案

【问题标题】：Efficient way to call multiple reduce functions on an iterable in Python?在 Python 中的可迭代对象上调用多个 reduce 函数的有效方法？
【发布时间】：2016-07-27 20:58:35
【问题描述】：

我想在 Python (2.7) 中的可迭代对象上运行几个 reduce 函数。一个例子是调用min 和max 对一个可迭代的整数。但是当然你不能在同一个迭代器上调用reduce(min, it) 和reduce(max, it)，因为它在第一次调用后就已经用尽了。所以你可能会考虑做这样的事情：

reduce(lambda a, b: (min(a[0], b[0]), max(a[1], b[1])), ((x, x) for x in it))

你认为，嘿，这很漂亮，所以你把它概括成这样的：

from itertools import izip

def multireduce(iterable, *funcs):
    """:Return: The tuple resulting from calling ``reduce(func, iterable)`` for each `func` in `funcs`."""
    return reduce(lambda a, b: tuple(func(aa, bb) for func, aa, bb in izip(funcs, a, b)), ((item,) * len(funcs) for item in iterable))

（而且你喜欢单元测试，所以你包括这样的东西：）

import unittest
class TestMultireduce(unittest.TestCase):
    def test_multireduce(self):
        vecs = (
            ((1,), (min,), (1,)),
            (xrange(10), (min, max), (0, 9)),
            (xrange(101), (min, max, lambda x, y: x + y,), (0, 100, (100 * 101) // 2))
        )
        for iterable, funcs, expected in vecs:
            self.assertSequenceEqual(tuple(multireduce(iterable, *funcs)), expected)

但是当你尝试它时，你会发现它真的很慢：

%timeit reduce(min, xrange(1000000)) ; reduce(max, xrange(1000000))
10 loops, best of 3: 140 ms per loop
%timeit reduce(lambda a, b: (min(a[0], b[0]), max(a[1], b[1])), ((x, x) for x in xrange(1000000)))
1 loop, best of 3: 682 ms per loop
%timeit multireduce(xrange(1000000), min, max)
1 loop, best of 3: 1.99 s per loop

哎哟。那么你来 Stack Overflow 寻找 Python 优化的智慧......

【问题讨论】：

标签： python performance functional-programming iterator reduce

【解决方案1】：

嗯，就是这样，这与可迭代对象的意义不符...

def multireduce(iterable, *funcs):
    """:Return: The tuple resulting from calling ``reduce(func, iterable)`` for each `func` in `funcs`."""
    return tuple(imap(reduce, funcs, tee(iterable, len(funcs))))

但是对于我的测试用例来说还是相当快的：

%timeit multireduce(xrange(1000000), min, max)
10 loops, best of 3: 166 ms per loop

【讨论】：