在哪里使用 core-python 地图功能？

Question

高效构建的最佳方法是了解构建时使用的工具包。然而，在尝试理解 python 的核心函数时，我突然想到 map 函数给出了与通用生成器表达式相似的结果。

以下一段代码为例。 这两个对象，映射和生成，在你扔它们的任何情况下都表现得惊人的相似。

def concatenate(string1 = "", string2 = ""):
    return string1.join(" ", string2)

foo = ["One", "Two"]
bar = ["Blue", "Green"]

mapped = map(concatenate, foo, bar)
generated = (concatenate(string1 = a, string2 = b) for a, b in zip(foo, bar))

好吧，我知道这是一行更长的代码，但我很难相信这就是 map 存在的全部原因，所以在我寻求理解 python 的过程中。 map 在 python 中还能做什么？它真的只是旧时代的遗物吗？如果不是，我在哪里可以最好地使用这个工具？

Answer 1

两者都存在的原因是因为列表推导返回一个新的list，而map（在Python3中）返回一个generator，因此map在不需要生成的list时内存效率更高马上。

这可以被认为是一种技术性，因为通常当您使用列表推导来执行地图可以执行的操作时，您会覆盖原始变量：

a = [1, 2, 3]
# The following line creates a new list but
# since we assign that list to `a` we give the old list to 
# the garbage collector
a = [x**2 for x in a]
# or
a = list(map(lambda x: x**2, a))
# both of which are basically the same.

如果您不使用相同的变量，地图的力量就会发挥作用：

a = [1, 2, 3] # If we want to save this then we don't want to overwrite it
b = [x**2 for x in a] # A full new list is now in b
c = map(lambda x: x**2, a) # c is just a generator object.
print(a) # [1, 2, 3]
print(b) # [1, 4, 9]
print(c) # <map object ...>
for x in c:
    print(x) 
    # We never create a full list from c, we just use each object as we go thus we save memory.

在前面的示例中，b 是一个全新的内存list，而c 只是一个生成器对象。当使用如此小的a 时，b 和 c 在内存中可能非常接近，但如果a 很大，c 的内存将明显少于b。

map 最常见的用例涉及第一种情况，因此map 没有真正的好处，但在第二种情况下，使用map 更有好处。

为了记录，禅宗中的“做某事的一种方法”有点模糊。我可以以正确的方式实现合并排序（即完美的速度和空间），但我的代码看起来与其他实现合并排序的人完全不同。 “一种方式”实际上并不意味着只有一种编码方式，它更多地意味着只有一种方法可以使用或一种流程。