如何在python函数式编程中实现嵌套for循环？

我曾考虑过两次应用map函数，以便让它充当double for循环，但我不知道这是否有意义。 这就是解决问题的方法吗

例如，这就是我正在进行的工作：

当务之急是：

def degree(A):
    n = len(A)
    t = []
    for i in range(n):
        d = 0
        for j in range(n):
            d+=A[i][j]
        t.append(d)

    return t

在功能方面：

def degree(A):
    n = len(A)
    t = []
    map(lambda x,y:x+y,A)

如果它是一个单for循环，那么我会像上面那样处理它。所以我试图实现一个双重映射，但我不知道如何构造它。

---

任何帮助都将不胜感激

您正在对内部列表

A

求和，因此只需对

A

中的每个嵌套列表应用

sum

：

def degree(A):
    return map(sum, A)

您还可以考虑使用列表理解或生成器表达式（取决于您是否需要在Python 2中懒洋洋地产生结果（<代码> MAP（））/代码>，生成一个列表，在Python 3中它懒洋洋地工作）：

否则，您可以使用生成作为笛卡尔积的

i

和

j

；但是，您将向可调用的映射传递一个整数元组：

from itertools import product

map(lambda ij: A[ij[0]][ij[1]] ** 2, product(range(len(A)), 2))

这可以通过使用以下方法来解决：

两者都不产生求和；我演示了一个生成最里面值的平方的

lambda

，这样就得到了一个长序列的所有值，平方，而不区分行。这就是映射的工作原理，它在输入中处理的每个项都产生一个值

您还可以嵌套

map（）

调用；将内部

map（）

放入外部

map（）的可调用项中：

但请注意，这会在Python3中生成一个惰性对象的惰性序列。同样，在这种情况下，求和没有意义，因为没有结果的累积

对于跨序列的结果的一般累积，您希望使用；that callable对正在运行的结果和序列中的下一个值应用callable。您可以使用
lambda x，y:x+y
函数和
map（）
：

但是对于简单的求和来说，
reduce（lambda x，y:x+y，0）
语法只是一种冗长而缓慢的拼写方法
sum（）
您所做的不仅仅是有一个双循环，还可以在内部循环中创建一个和。使用
map（sum，a）可以获得同样的效果
，顺便说一句，不需要嵌套任何东西。您尝试
map（）
在您的上下文中没有任何意义；您想到
reduce（）
也许？
map（）
会将任意数量的iterable作为输入，并将它们一起应用，但是
map（…，A）
只有一个输入，因此lambda只有一个参数。然后构建一个结果序列，而不是一个总和。
reduce（）
通过对函数和输入序列的重复调用生成一个结果。因此我想知道这将如何处理a[I][j]第二部分，由双循环构成的矩阵？这两种方法都是等价的吗？@ce1：两种方法都是什么？不，
product（）
方法不会产生相同的结果；当你重置
d
外循环的每次迭代时，你不能用
product（）
产生相同的结果。如果行是d+=A[i][j]*X[j]如果X是传递给函数的列表，那么map（sum，a）在函数编程中会如何变化？@ce1：使用
zip（）
将
a
中的行与
X
中的行配对：
（sum（a*X代表a，zip中的X代表a中的r，X）在生成器表达式中
，或
从操作符导入mul
中，然后
映射（lambda:sum（map（prod，r，X）），A）
如果必须在理解上使用
map（）
。
from itertools import product

map(lambda ij: A[ij[0]][ij[1]] ** 2, product(range(len(A)), 2))

from itertools import product, starmap

starmap(lambda i, j: A[i][i] ** 2, product(range(len(A)), 2))

map(lambda r: map(lambda v: v ** 2, r), A)

map(lambda r: reduce(lambda x, y: x + y, r, 0), A)