map(), filter(), reduce() และฟังก์ชันอันดับสูงใน Python

ปานกลาง25 นาที7 แบบฝึกหัด100 XP

บทเรียนนี้แปลจากต้นฉบับภาษาอังกฤษRead in English Leer en español Читать на русском Ler em português แจ้งข้อผิดพลาดในการแปล

ก่อนเริ่มเรียน

ฟังก์ชันใน Python: นิยาม เรียกใช้ และคืนค่า ฟังก์ชัน Lambda ใน Python: ควรใช้เมื่อไร และเมื่อไรไม่ควรใช้

0/7 แบบฝึกหัด

ลองนึกภาพสายการผลิตในโรงงาน วัตถุดิบเข้ามาทางปลายด้านหนึ่ง ที่สถานีแรก ชิ้นงานแต่ละชิ้นถูกขึ้นรูป ที่สถานีถัดไป ชิ้นงานที่บกพร่องถูกคัดออก และที่สถานีสุดท้าย ชิ้นงานดีทั้งหมดถูกประกอบรวมเป็นผลิตภัณฑ์สำเร็จหนึ่งชิ้น

Python มีฟังก์ชันสามตัวที่ทำงานเหมือนสายการผลิตนี้ทุกประการ: map() แปลงข้อมูลทุกตัว filter() เก็บไว้เฉพาะข้อมูลที่ต้องการ และ reduce() รวมทุกอย่างให้เหลือผลลัพธ์เดียว เมื่อใช้ร่วมกัน ฟังก์ชันเหล่านี้ช่วยให้ประมวลผลกลุ่มข้อมูลได้อย่างเป็นระเบียบและอ่านง่าย

ในบทเรียนนี้ คุณจะได้เรียนรู้ว่าเครื่องมือเหล่านี้ทำงานอย่างไร ควรใช้เมื่อไร และเมื่อไรที่ list comprehension (การสร้างลิสต์แบบย่อ) อาจเป็นทางเลือกที่ดีกว่า เมื่อจบบทเรียน คุณจะเขียนไปป์ไลน์ (pipeline) ประมวลผลข้อมูลได้ดีจนหัวหน้าคนงานในโรงงานยังต้องภูมิใจ

ฟังก์ชันอันดับสูงคืออะไร

ฟังก์ชันอันดับสูง (higher-order function) คือฟังก์ชันที่รับฟังก์ชันอื่นเป็นอาร์กิวเมนต์ หรือคืนค่าออกมาเป็นฟังก์ชัน แค่นั้นเอง

คุณเคยใช้มาแล้วโดยไม่รู้ตัว ฟังก์ชันในตัว sorted() มีพารามิเตอร์ key ที่ให้ส่งฟังก์ชันเข้าไป:

sorted() เป็นฟังก์ชันอันดับสูง

words = ["banana", "apple", "cherry"]

# sorted() is a higher-order function

# It takes len as an argument - a function!

sorted_words = sorted(words, key=len)

print(sorted_words)

ผลลัพธ์

['apple', 'banana', 'cherry']

ในตัวอย่างนี้ len ถูกส่งเป็นอาร์กิวเมนต์ให้ sorted() ฟังก์ชัน sorted จะเรียก len กับข้อมูลแต่ละตัวเพื่อตัดสินลำดับ คุณไม่ได้เรียก len() เอง เพียงแค่บอก sorted ว่าจะใช้ฟังก์ชันไหน

map(), filter() และ reduce() ทำงานแบบนี้ทั้งหมด คุณส่งฟังก์ชันและกลุ่มข้อมูลให้ แล้วฟังก์ชันเหล่านี้จะนำฟังก์ชันที่ได้รับไปใช้กับข้อมูลแต่ละตัว นี่คือสิ่งที่ทำให้ทั้งสามเป็นฟังก์ชันอันดับสูง

map(): แปลงข้อมูลทุกตัว

map() รับฟังก์ชันและออบเจกต์ที่วนซ้ำได้ (iterable) เช่น ลิสต์ แล้วนำฟังก์ชันไปใช้กับข้อมูลทุกตัวและคืนผลลัพธ์ที่แปลงแล้ว ให้นึกถึงมันเป็น "สถานีขึ้นรูป" ในสายการผลิตของเรา

รูปแบบคือ map(function, iterable) ซึ่งคืนค่าเป็นออบเจกต์ map ที่ปกติจะนำไปแปลงเป็นลิสต์

ใช้ map() คูณตัวเลขทุกตัวด้วยสอง

numbers = [1, 2, 3, 4, 5]

# Double every number

def double(x):

return x * 2

result = list(map(double, numbers))

print(result)

ผลลัพธ์

[2, 4, 6, 8, 10]

map(double, numbers) เรียก double(1), double(2), double(3) ไปเรื่อย ๆ และเก็บผลลัพธ์ทั้งหมดไว้ ส่วน list() ที่ครอบอยู่จะแปลงออบเจกต์ map เป็นลิสต์ธรรมดาเพื่อให้แสดงผลได้

การเขียนฟังก์ชันทั้งตัวเพียงเพื่อคูณเลขด้วยสองดูเกินจำเป็น จึงมักใช้ map() คู่กับ lambda ซึ่งเป็นฟังก์ชันเล็ก ๆ ที่ไม่มีชื่อ:

map() กับ lambda และฟังก์ชันในตัว

numbers = [1, 2, 3, 4, 5]

# Same thing, but with a lambda

result = list(map(lambda x: x * 2, numbers))

print(result)

# More examples

names = ["alice", "bob", "charlie"]

print(list(map(str.upper, names)))

prices = [10.5, 20.3, 5.99]

print(list(map(round, prices)))

ผลลัพธ์

[2, 4, 6, 8, 10]
['ALICE', 'BOB', 'CHARLIE']
[10, 20, 6]

คุณส่งฟังก์ชันใดก็ได้ให้ map() ทั้งฟังก์ชันที่เขียนเอง lambda หรือฟังก์ชันในตัว เช่น str.upper, round, len หรือ int

filter(): เก็บไว้เฉพาะสิ่งที่ต้องการ

filter() รับฟังก์ชันและ iterable ฟังก์ชันต้องคืนค่า True หรือ False สำหรับข้อมูลแต่ละตัว และจะเก็บไว้เฉพาะตัวที่ฟังก์ชันคืนค่า True ให้นึกถึงมันเป็นฝ่ายควบคุมคุณภาพในสายการผลิตที่คัดชิ้นงานบกพร่องออกไป

ใช้ filter() เก็บเฉพาะเลขคู่

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# Keep only even numbers

def is_even(x):

return x % 2 == 0

result = list(filter(is_even, numbers))

print(result)

ผลลัพธ์

[2, 4, 6, 8, 10]

filter(is_even, numbers) เรียก is_even(1) ซึ่งคืนค่า False (1 จึงถูกตัดทิ้ง) is_even(2) คืนค่า True (2 จึงถูกเก็บไว้) ไปเรื่อย ๆ เฉพาะข้อมูลที่ผ่านการทดสอบเท่านั้นที่จะเหลืออยู่

ตัวอย่าง filter() เพิ่มเติม

words = ["hello", "", "world", "", "python", ""]

# Remove empty strings - filter with bool

result = list(filter(bool, words))

print(result)

# Keep words longer than 4 characters

long_words = list(filter(lambda w: len(w) > 4, words))

print(long_words)

# Keep positive numbers

numbers = [-3, -1, 0, 2, 5, -4, 8]

positives = list(filter(lambda x: x > 0, numbers))

print(positives)

ผลลัพธ์

['hello', 'world', 'python']
['hello', 'world', 'python']
[2, 5, 8]

การส่ง bool ให้ filter() เป็นเทคนิคที่เข้าท่า สตริงว่าง ศูนย์ None และลิสต์ว่าง ล้วนเป็นค่า "falsy" ใน Python คือ bool() คืนค่า False สำหรับค่าเหล่านี้ ดังนั้น filter(bool, items) จะตัดค่า falsy ทั้งหมดออก

ใช้ map() และ filter() ร่วมกัน

พลังที่แท้จริงมาจากการต่อฟังก์ชันเหล่านี้เป็นทอด ๆ ใช้ filter ก่อนเพื่อเลือกข้อมูล แล้วใช้ map เพื่อแปลงข้อมูล เหมือนสถานีต่าง ๆ ในสายการผลิต

ต่อ filter() กับ map() เป็นทอด

scores = [45, 82, 91, 67, 55, 38, 73, 88, 95, 60]

# Step 1: Filter passing scores (>= 60)

passing = filter(lambda s: s >= 60, scores)

# Step 2: Add 5 bonus points to each passing score

boosted = map(lambda s: s + 5, passing)

# Convert to list and print

result = list(boosted)

print(result)

ผลลัพธ์

[87, 96, 72, 78, 93, 100, 65]

เนื่องจากทั้ง filter() และ map() ทำงานแบบ lazy คุณจึงต่อกันได้โดยไม่ต้องสร้างลิสต์ระหว่างทาง ข้อมูลไหลผ่านไปป์ไลน์ได้อย่างมีประสิทธิภาพ

ต่อไปเป็นตัวอย่างที่ใกล้เคียงการใช้งานจริงมากขึ้น คือการประมวลผลลิสต์ราคาสินค้า:

ไปป์ไลน์ใช้งานจริง: กรองก่อนแล้วจึงแปลง

prices = [12.99, 5.50, 89.99, 3.25, 45.00, 2.99, 150.00]

# Keep prices over $10, then apply 20% discount

result = list(

map(

lambda p: round(p * 0.8, 2),

filter(lambda p: p > 10, prices)

)

print(result)

ผลลัพธ์

[10.39, 71.99, 36.0, 120.0]

reduce(): รวมข้อมูลทุกตัวให้เหลือค่าเดียว

reduce() รับฟังก์ชันและ iterable แล้วรวมข้อมูลทุกตัวให้เหลือค่าเดียว นี่คือสถานีสุดท้ายในสายการผลิต ที่ชิ้นส่วนทั้งหมดถูกประกอบเป็นผลิตภัณฑ์หนึ่งชิ้น

reduce() ไม่ใช่ฟังก์ชันในตัว ต่างจาก map() และ filter() คุณต้อง import มาจากโมดูล functools

ใช้ reduce() รวมค่า

from functools import reduce

numbers = [1, 2, 3, 4, 5]

# Sum all numbers: ((((1+2)+3)+4)+5) = 15

total = reduce(lambda a, b: a + b, numbers)

print(f"Sum: {total}")

# Multiply all numbers: ((((1*2)*3)*4)*5) = 120

product = reduce(lambda a, b: a * b, numbers)

print(f"Product: {product}")

ผลลัพธ์

Sum: 15
Product: 120

ต่อไปนี้คือการทำงานของ reduce() ทีละขั้นสำหรับการหาผลรวม ฟังก์ชันรับอาร์กิวเมนต์สองตัว คือผลลัพธ์สะสมจนถึงตอนนี้ (a) และข้อมูลตัวถัดไป (b):

เริ่มจากข้อมูลสองตัวแรก: a=1, b=2 ได้ 3

นำผลลัพธ์นั้นกับข้อมูลตัวถัดไป: a=3, b=3 ได้ 6

ทำต่อไป: a=6, b=4 ได้ 10

สุดท้าย: a=10, b=5 ได้ 15

ตัวอย่าง reduce() เพิ่มเติม

from functools import reduce

# Find the longest word

words = ["cat", "elephant", "dog", "hippopotamus"]

longest = reduce(lambda a, b: a if len(a) >= len(b) else b, words)

print(f"Longest word: {longest}")

# Join words with a separator

result = reduce(lambda a, b: f"{a} & {b}", ["Alice", "Bob", "Charlie"])

print(result)

ผลลัพธ์

Longest word: hippopotamus
Alice & Bob & Charlie

ใช้ฟังก์ชันในตัวแทน reduce() เมื่อทำได้

Python มีฟังก์ชันในตัวสำหรับการรวมค่าแบบที่พบบ่อย:

sum(numbers) แทน reduce(lambda a, b: a + b, numbers)

max(numbers) แทน reduce ที่ใช้การเปรียบเทียบ

min(numbers) แทน reduce ที่ใช้การเปรียบเทียบ

"".join(strings) แทน reduce สำหรับการต่อสตริง

ฟังก์ชันในตัวเหล่านี้เร็วกว่าและอ่านง่ายกว่า ใช้ reduce() เฉพาะเมื่อต้องการวิธีรวมค่าที่กำหนดเอง

map/filter กับ list comprehension

Python มีอีกวิธีในการแปลงและกรองลิสต์ คือ list comprehension ซึ่งมักให้โค้ดที่อ่านง่ายกว่า map() และ filter() ลองมาเปรียบเทียบกัน

ใช้ map() และ filter()

numbers = [1, 2, 3, 4, 5, 6]

# Double even numbers
evens = filter(lambda x: x % 2 == 0, numbers)
result = list(map(lambda x: x * 2, evens))
print(result)  # [4, 8, 12]

ใช้ list comprehension

numbers = [1, 2, 3, 4, 5, 6]

# Double even numbers
result = [x * 2 for x in numbers if x % 2 == 0]
print(result)  # [4, 8, 12]

list comprehension ทำทั้งการกรองและการแปลงได้ในบรรทัดเดียวที่อ่านง่าย สำหรับการแปลงแบบง่าย ๆ comprehension มักเป็นทางเลือกที่ดีกว่าใน Python

แล้วเมื่อไรควรใช้ map() และ filter() ทั้งสองมีประโยชน์เมื่อคุณมีฟังก์ชันที่มีชื่ออยู่แล้วและต้องการนำไปใช้:

map() โดดเด่นเมื่อใช้กับฟังก์ชันที่มีชื่อ

# When you have a named function, map() reads nicely

names = ["alice", "bob", "charlie"]

print(list(map(str.capitalize, names)))

# Equivalent comprehension - a bit more verbose

print([name.capitalize() for name in names])

ผลลัพธ์

['Alice', 'Bob', 'Charlie']
['Alice', 'Bob', 'Charlie']

แบบฝึกหัด

ถึงเวลาฝึกแล้ว แบบฝึกหัดเหล่านี้เริ่มจากการใช้ฟังก์ชันทีละตัว แล้วค่อย ๆ ไปสู่การนำมาต่อกันเป็นไปป์ไลน์ อย่าลืมครอบ map() และ filter() ด้วย list() เมื่อต้องการแสดงผล

แบบฝึกหัดที่ 1: ยกกำลังสองตัวเลขทุกตัว

เขียนโค้ด

ใช้ map() กับ lambda เพื่อยกกำลังสองตัวเลขทุกตัวในลิสต์ [1, 2, 3, 4, 5]

แสดงผลลัพธ์เป็นลิสต์

ผลลัพธ์ที่ต้องการ:

[1, 4, 9, 16, 25]

numbers = [1, 2, 3, 4, 5]

# Use map() to square each number

แบบฝึกหัดที่ 2: กรองคำสั้นออก

เขียนโค้ด

ใช้ filter() กับ lambda เพื่อเก็บไว้เฉพาะคำที่มีมากกว่า 3 อักขระ

ข้อมูลที่ให้: ["hi", "hello", "hey", "world", "ok", "python"]

แสดงผลลัพธ์เป็นลิสต์

ผลลัพธ์ที่ต้องการ:

['hello', 'world', 'python']

words = ["hi", "hello", "hey", "world", "ok", "python"]

# Use filter() to keep words longer than 3 characters

แบบฝึกหัดที่ 3: ทายผลลัพธ์ของไปป์ไลน์

ทายผลลัพธ์

อ่านโค้ดนี้แล้วทายผลลัพธ์ จากนั้นเขียนคำสั่ง print() ที่ให้ผลลัพธ์เหมือนกันทุกประการ

numbers = [10, 25, 30, 45, 50]
result = list(map(lambda x: x // 10, filter(lambda x: x >= 30, numbers)))
print(result)

คิดทีละขั้น: filter เก็บอะไรไว้ แล้ว map ทำอะไรกับข้อมูลแต่ละตัว

# Print the exact output

แบบฝึกหัดที่ 4: แก้ไปป์ไลน์ที่พัง

แก้บั๊ก

โค้ดนี้ควรแปลงลิสต์ของสตริงอุณหภูมิอย่าง ["32F", "100F", "212F"] ให้เป็นจำนวนเต็มในหน่วยองศาเซลเซียส แต่มีบั๊กอยู่สองจุด

ผลลัพธ์ที่ต้องการ:

[0, 38, 100]

สูตร: เซลเซียส = (ฟาเรนไฮต์ - 32) * 5 / 9 แล้วปัดเป็นจำนวนเต็มที่ใกล้ที่สุด

temps = ["32F", "100F", "212F"]

# Bug 1: Need to extract the number from the string

# Bug 2: Formula or conversion issue

result = list(map(lambda t: int((t - 32) * 5 / 9), temps))

print(result)

แบบฝึกหัดที่ 5: หาผลคูณด้วย reduce()

เขียนโค้ด

ใช้ reduce() จากโมดูล functools เพื่อคำนวณผลคูณของตัวเลขทั้งหมดในลิสต์ [2, 3, 4, 5]

ผลคูณคือ 2 * 3 * 4 * 5 = 120

แสดงผลลัพธ์

ผลลัพธ์ที่ต้องการ:

from functools import reduce

numbers = [2, 3, 4, 5]

# Use reduce() to multiply all numbers together

แบบฝึกหัดที่ 6: สร้างไปป์ไลน์ข้อมูล

เขียนโค้ด

จากลิสต์คะแนนของนักเรียน ให้สร้างไปป์ไลน์ที่:

1. กรองคะแนนที่สอบตกออก (เก็บไว้เฉพาะคะแนน >= 60)

2. เพิ่มคะแนนที่สอบผ่านแต่ละตัวอีก 10 คะแนน (ใช้ map)

3. จำกัดคะแนนไม่ให้เกิน 100 (ใช้ map กับ min)

ข้อมูลที่ให้: [45, 82, 55, 91, 67, 38, 73, 95]

แสดงลิสต์สุดท้าย

ผลลัพธ์ที่ต้องการ:

[92, 100, 77, 83, 100]

คำใบ้: ถ้าจะจำกัดไม่ให้เกิน 100 ให้ใช้ min(score, 100)

scores = [45, 82, 55, 91, 67, 38, 73, 95]

# Step 1: Filter passing scores (>= 60)

# Step 2: Add 10 bonus points

# Step 3: Cap at 100

แบบฝึกหัดที่ 7: ปรับโค้ดให้เป็น list comprehension

ปรับปรุงโค้ด

ปรับโครงสร้าง (refactor) ไปป์ไลน์ map/filter นี้ให้เป็น list comprehension เดียวที่ให้ผลลัพธ์เหมือนกัน

โค้ดเดิม:

words = ["Hello", "WORLD", "Python", "CODE", "test"]
result = list(map(str.lower, filter(lambda w: len(w) > 4, words)))

เขียน list comprehension ที่ให้ผลลัพธ์เดียวกันแล้วแสดงผล

ผลลัพธ์ที่ต้องการ:

['hello', 'world', 'python']

words = ["Hello", "WORLD", "Python", "CODE", "test"]

# Refactor to a list comprehension

result = [] # Replace with your comprehension

print(result)

สรุป

สรุปสิ่งที่ได้เรียนรู้เกี่ยวกับเครื่องมือเชิงฟังก์ชันใน Python:

ฟังก์ชัน	หน้าที่	คืนค่า
`map(fn, iterable)`	แปลงข้อมูลทุกตัว	ออบเจกต์ map (lazy)
`filter(fn, iterable)`	เก็บข้อมูลที่ fn คืนค่า True	ออบเจกต์ filter (lazy)
`reduce(fn, iterable)`	รวมข้อมูลทุกตัวให้เหลือค่าเดียว	ค่าเดียว
ฟังก์ชันอันดับสูง	ฟังก์ชันที่รับหรือคืนค่าเป็นฟังก์ชัน	ขึ้นอยู่กับฟังก์ชันนั้น

ข้อสรุปเชิงปฏิบัติ: ใช้ list comprehension กับงานแปลงหรือกรองข้อมูลส่วนใหญ่ใน Python เลือกใช้ map() และ filter() เมื่อมีฟังก์ชันที่มีชื่อให้นำไปใช้ หรือต้องการการประมวลผลแบบ lazy และใช้ reduce() ให้น้อย เพราะฟังก์ชันในตัวของ Python รองรับกรณีส่วนใหญ่ได้ดีกว่า

เรียนอะไรต่อ

ตอนนี้คุณมีพื้นฐานเรื่องฟังก์ชันใน Python ที่แข็งแรงแล้ว ต่อไปลองศึกษา การจัดการข้อผิดพลาด เพื่อเรียนรู้วิธีเขียนโค้ดที่รับมือกับความผิดพลาดได้อย่างราบรื่นแทนที่จะหยุดทำงาน

ฟังก์ชันอันดับสูงคืออะไร

map(): แปลงข้อมูลทุกตัว

filter(): เก็บไว้เฉพาะสิ่งที่ต้องการ

ใช้ map() และ filter() ร่วมกัน

reduce(): รวมข้อมูลทุกตัวให้เหลือค่าเดียว

map/filter กับ list comprehension

แบบฝึกหัด

สรุป

เรียนอะไรต่อ

บทเรียนที่เกี่ยวข้อง