概要

Pythonの高階関数として、map、filter、reduceの基本的な使い方を整理する。

高階関数は、関数を引数として受け取ったり、関数を戻り値として返したりする関数を指す。map、filter、reduceを理解すると、繰り返し処理を「変換」「抽出」「集約」という観点で整理できる。

ここでは、通常の関数、lambda式、畳込み処理を実行例で確認する。

この記事の構成

• 高階関数とは
  高階関数の意味と基本的な考え方を整理。
• map（要素別の演算）
  map（要素別の演算）の仕組みと要点を具体例から整理。
• filter（条件に合う要素の抽出）
  条件を満たす元の要素だけを遅延評価で取り出す方法を整理。
• reduce（畳込み演算）
  reduce（畳込み演算）の仕組みと要点を具体例から整理。

高階関数の説明と実装サンプル

高階関数とは

Pythonでは、関数もオブジェクトと同じように捉えるため、関数を引数や戻り値に指定したり、関数に対して別の関数やオブジェクトを代入することができる。

この性質を利用して、関数を引数に持ったり、関数を戻り値で返す関数を高階関数（higher-order function）という。

以下では、関数を引数に持つ場合、戻り値に持つ場合、引数と戻り値の両方に持つ場合それぞれの実装サンプルを確認する。

• 関数を引数に持つ高階関数

  $ python
      >>> # 関数 p_func を引数に持つ、高階関数 h_order_func を定義
      >>> def h_order_func(p_func):
      ...     p_func()
      ...
      >>> # メッセージを出力する関数 print_msg を定義
      >>> def print_msg():
      ...     print('executed print_msg')
      ...
      >>> # 高階関数 h_order_func の引数に関数 print_msg を指定して実行
      >>> h_order_func(print_msg)
      executed print_msg
      >>>
  

• 関数を戻り値に持つ高階関数

  $ python
      >>> # 関数 add_param を戻り値に持つ、高階関数 h_order_func を定義
      >>> def h_order_func(x):
      ...     def add_param(y):
      ...         return x + y
      ...     return add_param
      ...
      >>> # h_order_func(5)が返す関数を受け取り、10を指定して実行
      >>> add_five = h_order_func(5)
      >>> add_five(10)
      15
      >>>
  

  h_order_func(5)が返す関数は、外側の関数へ渡したx = 5を保持する。そのため、返された関数へ10を渡すと5 + 10が計算される。

• 関数を引数と戻り値の両方に持つ高階関数

  $ python
      >>> # 関数 func を引数に持ち、戻り値に add_func 持つ、高階関数 h_order_func を定義
      >>> def h_order_func(func):
      ...     def add_func(x, y):
      ...         return func(x) + y
      ...     return add_func
      ...
      >>> # 5 を加算する関数 add_five を定義
      >>> def add_five(x):
      ...     return x + 5
      >>>
      >>> # h_order_func(add_five)が返す関数を受け取り、1と2を指定して実行
      >>> combined_func = h_order_func(add_five)
      >>> combined_func(1, 2)
      8
      >>>
  

  h_order_func(add_five)が返す関数では、func(x)としてadd_five(x)が呼ばれる。そのため、combined_func(1, 2)は(1 + 5) + 2となる。

以降、高階関数 map, filter, reduce を実装サンプルで解説する。

map（要素別の演算）

map(function, iterable) は、第 \(2\) 引数に指定したイテラブルの各要素へ、第 \(1\)引数の関数を適用した結果を返す。戻り値は遅延評価されるmapイテレータとなる。

• 実装サンプル

  $ python
      >>> # 第1引数の関数を定義（3倍にするだけ）
      >>> def triple(p):
      ...    return p * 3
      ...
      >>> # 第2引数のlist型を定義
      >>> list_a = [1, 2, 3, 4, 5]
      >>>
      >>> # mapを実行
      >>> result = map(triple, list_a)
      >>>
      >>> # map型のイテレータで返ってくる
      >>> print(result)
      <map object at 0x7f59b53cc5c0>
      >>>
      >>> # list型にキャストし、中身を確認
      >>> print(list(result))
      [3, 6, 9, 12, 15]
      >>>
  

• 上記の実装サンプルをラムダ式で記述

  $ python
      >>> result = map(lambda x: x * 3, list_a)
      >>> print(list(result))
      [3, 6, 9, 12, 15]
      >>>
  

• 上記の実装サンプルのmapを使用せず内包表記で記述

  $ python
      >>> # map(triple, list_a) と同義
      >>> result = (triple(p) for p in list_a)
      >>> print(list(result))
      [3, 6, 9, 12, 15]
      >>>
  

filter（条件に合う要素の抽出）

filter(function, iterable) は、第 \(2\) 引数に指定したイテラブルの各要素を関数で判定し、結果がTrueとなる元の要素を返す。戻り値は遅延評価されるfilterイテレータとなる。

• 実装サンプル

  $ python
      >>> # 第1引数の関数を定義（正であればTrueを返す）
      >>> def is_plus(p):
      ...    return p > 0
      ...
      >>> # 第2引数のlist型を定義
      >>> list_a = [-2, -1, 0, 1, 2]
      >>>
      >>> # filterを実行
      >>> result = filter(is_plus, list_a)
      >>>
      >>> # filter型のイテレータで返ってくる
      >>> print(result)
      <filter object at 0x7f59b53cc668>
      >>>
      >>> # list型にキャストし、中身を確認
      >>> print(list(result))
      [1, 2]
      >>>
  

• 上記の実装サンプルをラムダ式で記述

  $ python
      >>> result = filter(lambda x: x > 0, list_a)
      >>> print(list(result))
      [1, 2]
      >>>
  

• 上記の実装サンプルのfilterを使用せず内包表記で記述

  $ python
      >>> # filter(is_plus, list_a) と同義
      >>> result = (p for p in list_a if is_plus(p))
      >>> print(list(result))
      [1, 2]
      >>>
  

reduce（畳込み演算）

reduce(function, iterable [, initializer]) は、畳み込み演算 と呼ばれ、第 \(2\) 引数（iterable）に指定したイテレータの2つの要素に対して、左から順に第 \(1\) 引数（function）を実行していき、これをイテレータの最終要素まで繰り返し、1つの結果を返す。

そのため、第 \(1\) 引数（function）の引数は、必ず2つ であることが前提となる。

第3引数（initializer）は、初期値を指定することができる。 初期値を指定した場合、最初の演算は、初期値 と第 \(2\) 引数（iterable）の先頭要素で第 \(1\) 引数（function）を実行する。

※ 内包表記には、複数要素を一つの値へ直接集約する構文はない。合計にはsum()などの専用関数を優先し、一般的な畳込みが必要な場合にreduce()を検討する。

• 実装サンプル

  $ python
      >>> # functoolsからインポート
      >>> from functools import reduce
      >>>
      >>> # 第1引数の関数を定義（差を返す）
      >>> def minus(p1, p2):
      ...     return p1 - p2
      ...
      >>> # 第2引数のlist型を定義
      >>> list_a = [-5, -4, -3, -2, -1]
      >>>
      >>> # minus と list_a で reduce を実行
      >>> print(reduce(minus, list_a))
      5
      >>>
      >>> # 第3引数に -6 を指定
      >>> result = reduce(minus, list_a, -6)
      >>> print(result)
      9
      >>>
  

• 上記の実装サンプルをラムダ式で記述

  $ python
      >>> result = reduce(lambda x, y: x - y, list_a)
      >>> print(result)
      5
      >>>
  

まとめ

• 高階関数は関数を値として扱い、mapは変換、filterは抽出、reduceは集約に使う。
• mapやfilterの戻り値はイテレータなので、リストが必要な場合はlistへ変換。
• 複雑な処理はfor文や内包表記の方が読みやすい場合があり、集約にはsumなどの専用関数も含めて使い分ける。

参考文献

• 金城 俊哉（\(2018\)）『現場ですぐに使える! Pythonプログラミング逆引き大全313の極意』株式会社昭和システム
• Python公式ドキュメント - 関数型プログラミング HOWTO（日本語・関数型処理の公式解説）
• Python公式ドキュメント - map（日本語・mapの公式仕様）
• Python公式ドキュメント - filter（日本語・filterの公式仕様）
• Python公式ドキュメント - functools.reduce（日本語・reduceの公式仕様）