一分钟代你理解并使用reduce

假如我们有一个数组,对这个数组reduce的话,请看下图:


reduce

其中:
initial 表示reduce计算的初始值;
combine 是一个闭包,或者说是函数吧,别闭包闭包的,听着就有点怕怕。
那么,我们看看这个函数,他接收一个T,和一个Int

打住,我们分析一下,TInt分别代表什么!
T很显然是一个泛型,回看一下我们的initial,我们发现他也是T,因此,combine中的T,显然就是上一步计算的值,我们也可以说是中间结果。那么,有好学的同学就要问了,第一次combineT是啥,很显然他会和initial给定的相同咯。

combine

Int是什么,自然就是[1,2,3,4]中的各个element咯。

然后,你就懂了。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
华丽的分割线后面一定有一段干货,让我们看看,下面这段代码,他将字典[String:String]的元素中keyname的字段替换为Canada,将keycountry的字段设置为首字母大写,你看懂了没~~

let bands: [[String: String]] = [
    ["name": "sunset rubdown", "country": "UK"],
    ["name": "women", "country": "Germany"],
    ["name": "a silver mt. zion", "country": "Spain"]
]

typealias BandProperty = String
typealias Band = [String: BandProperty]
typealias BandTransform = Band -> Band
typealias BandPropertyTransform = BandProperty -> BandProperty

let canada: BandPropertyTransform = { _ in return "Canada" }
let capitalize: BandPropertyTransform = { return $0.capitalizedString }

// 辅助函数
func call(fun: BandPropertyTransform, onValueForKey key: String) -> BandTransform {
    return {
        band in

        var newBand = band
        newBand[key] = fun(band[key]!)
        return newBand
    }
}

let setCanadaAsCountry: BandTransform = call(canada, onValueForKey: "country")
let capitalizeName: BandTransform = call(capitalize, onValueForKey: "name")

//注意,我们把这种方式称之为管道,为什么这么说,因为他实在是太形象了,可以看到,对bands中的每一个元素,使用functions中的function进行加工
//让我们产生了无尽的遐想,是否 回忆起了 grep "hello world" | xargs ....  
// 一切都是那么的顺其自然,啰嗦了,因为我发现这个太有用了,所以情不自禁的写了这么多注释~~~
func formattedBands(bands: [Band], functions: [BandTransform]) -> [Band] {
    return bands.map {
        band in

        functions.reduce(band) { (currband, function) -> Band in
            return function(currband)
        }
    }
}

print(formattedBands(bands, functions: [setCanadaAsCountry, capitalizeName]))

那么,有比较好奇的同学,肯定会问,外面用map没有问题,但是,里面你怎么就知道要用reduce,诶,问得太好了,这个也是我在看之前的疑问,reduce可以保存中间状态啊,可以将状态带到下一次运算啊,相当于管道的中间结果啊,输送给下一个车间处理。

那么,为什么不用map呢,那我们试试呗,

发现写不下去了

这里,是我们要使用function对band做转换,我们要想到其可能的调用方式是function(band),如果牢牢扣住这点,你将会很自然的想到去使用reduce。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容