map, lambda, filter
데이터 처리와 변환을 간결하게 할 수 있도록 도와주는 함수들
map
🐍 언제
- map은 리스트나 iterable한 데이터의 각 요소에 대해 동일한 함수를 적용하고 싶을 때 사용
🐍 왜
- 반복문 없이 데이터를 변환할 수 있어 코드가 간결해짐
- 동일한 작업을 여러 요소에 효율적으로 적용할 수 있음
🐍 기본 구조
map(함수, 리스트/iterable)
🐍 예시
ex) 숫자 리스트의 각 요소를 제곱하기
- 기본 반복문 for 사용할 경우:
numbers = [1, 2, 3, 4, 5]
def square(x): # 1) square라는 함수를 정의한다
return x ** 2
squared_numbers = [] # 2) 빈 리스트를 만들고
for num in numbers: # 3) for 반복문으로 각 요소에 대해 square 호출
squared_numbers.append(square(num)) # 4) 결과를 리스트에 추가
print(squared_numbers) # [1, 4, 9, 16, 25]- map 사용할 경우:
numbers = [1, 2, 3, 4, 5]
def square(x): # 1) square라는 함수를 정의한다
return x ** 2
squared_numbers = list(map(square, numbers)) # 2) map이 자동으로 각 요소에 square 적용
print(squared_numbers) # [1, 4, 9, 16, 25]
🐍 정리
- 간결성: 여러 요소에 동일한 작업(함수 적용)을 한 줄로 간결하게 표현할 수 있음
- list(map(...)): 리스트나 다른 iterable 데이터의 변환이 쉽다. 결과를 리스트로 바로 얻을 수 있음.
- 성능 개선: 특히 대량의 데이터에서 map은 반복문보다 더 빠르게 작동할 수 있음.
lambda
🐍 언제
- lambda는 짧고 간단한 함수를 빠르게 정의하고 싶을 때 사용
🐍 왜
- 이름 없는 함수로 짧고 간단한 작업을 즉석에서 작성 가능함
- 재사용하지 않을 간단한 함수를 정의할 때 유용함
🐍 기본 구조
lambda 매개변수: 표현식
🐍 예시
ex) 두 숫자를 더하는 함수
- 기본 함수 정의할 경우:
def add(x, y):
return x + y
print(add(3, 5)) # 8- lambda 사용할 경우:
add = lambda x, y: x + y
print(add(3, 5)) # 8- 한 번만 사용하거나, map과 함께 사용할 경우:
numbers = [1, 2, 3, 4, 5]
doubled = list(map(lambda x: x * 2, numbers))
print(doubled) # [2, 4, 6, 8, 10]
filter
🐍 언제
- filter는 리스트의 요소 중 특정 조건을 만족하는 요소만 선택하고 싶을 때 사용
🐍 왜
- 데이터에서 필터링 작업을 간단히 수행 가능함
- 조건에 맞는 요소만 걸러낼 때 유용함
🐍 기본 구조
filter(함수, 리스트/iterable)
🐍 예시
ex) 두 숫자를 더하는 함수
- 기본 for 반복문 사용할 경우:
numbers = [1, 2, 3, 4, 5, 6]
even_numbers = []
for num in numbers:
if num % 2 == 0:
even_numbers.append(num)
print(even_numbers) # [2, 4, 6]- filter 사용할 경우:
numbers = [1, 2, 3, 4, 5, 6]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers) # [2, 4, 6]
🐍 장점
- 조건에 따라 요소를 간단히 추출
- if 조건문을 줄이고 가독성 향상
정리: 언제 사용하면 좋을까
map:
- 모든 요소에 동일한 변환 작업을 할 때.
- 데이터 변환이 필요한 경우 (lambda와 자주 사용).
lambda:
- 간단한 함수를 빠르게 작성할 때.
- 재사용하지 않을 간단한 로직을 적용할 때.
filter:
- 조건에 따라 데이터를 걸러낼 때.
- 특정 조건을 만족하는 요소만 추출할 때.