Python中是否存在类似map的、不返回新对象而是原地修改可变对象值的函数？

我知道Python的map函数可以作用于可变和不可变对象，但在Python 3.x中它会返回一个新的可迭代对象。我希望有一种类似map那样简洁、统一的方式，仅原地修改可变对象（比如list、np.ndarray）的值。

我写了一个针对numpy数组的扰动函数，但最后一步的取模操作没能实现原地修改：

def perturbation_bin(x, prob):
    '''
    二进制表示的扰动操作。独立决定每个位是否反转。
    :param x: 二进制染色体
    :param prob: 位反转概率
    :return: None
    '''
    assert x.__class__ == np.ndarray, '\nBinary chromosome must be np.ndarray.'
    assert x.dtype == np.int8, '\nBinary chromosome np.dtype must be np.int8.'
    x[np.where(np.random.rand(len(x)) <= prob)] += 1
    map(partial(np.mod, x2=2), x)

这段代码会随机给数组元素加1，但后面的map调用只是创建了一个迭代器，并没有真正修改原数组的值。想请教：Python中有没有类似map的函数，可以直接原地修改可变对象？

针对你的场景（尤其是使用np.ndarray的情况），其实不需要找类map的函数——numpy本身就提供了更高效、简洁的原地操作方案，完全能满足你的需求。

1. 针对numpy数组的最优解：使用ufunc的out参数 #

numpy的大多数通用函数（ufunc，比如np.mod、np.add等）都支持out参数，可以指定将计算结果直接写入原数组，实现真正的原地修改。

把你代码里的map(partial(np.mod, x2=2), x)替换成下面这行即可：

np.mod(x, 2, out=x)

这行代码会直接在原数组x上执行取模2的操作，不需要创建任何中间数组，效率比用map高得多（因为numpy的向量化操作避免了Python层面的循环开销）。

2. 修正后的完整函数 #

结合你的需求，优化后的函数如下：

import numpy as np
from functools import partial

def perturbation_bin(x, prob):
    '''
    二进制表示的扰动操作。独立决定每个位是否反转。
    :param x: 二进制染色体
    :param prob: 位反转概率
    :return: None
    '''
    # 用isinstance更灵活，避免严格匹配类（比如子类的情况）
    assert isinstance(x, np.ndarray), '\nBinary chromosome must be np.ndarray.'
    assert x.dtype == np.int8, '\nBinary chromosome np.dtype must be np.int8.'
    
    # 生成掩码选择要反转的元素，原地加1
    mask = np.random.rand(len(x)) <= prob
    x[mask] += 1
    
    # 原地取模2，确保元素值回到0/1
    np.mod(x, 2, out=x)

3. 如果是普通list的情况 #

如果需要处理普通list，Python确实没有内置的原地版map，但可以自己封装一个简单的函数，或者直接用切片赋值实现类似效果：

• 切片赋值方式（简洁）：

  my_list = [1, 2, 3, 4]
  my_list[:] = [func(item) for item in my_list]
  

• 自定义原地map函数（通用）：

  def inplace_map(func, iterable):
      if isinstance(iterable, list):
          for idx in range(len(iterable)):
              iterable[idx] = func(iterable[idx])
      elif isinstance(iterable, np.ndarray):
          # 复用numpy的out参数方案
          np.vectorize(func, otypes=[iterable.dtype])(iterable, out=iterable)
      # 可以扩展支持其他可变类型，比如bytearray等
  

不过还是要强调：对于numpy数组，优先使用numpy原生的out参数方案，这是最符合numpy设计理念、效率最高的做法。

内容的提问来源于stack exchange，提问作者world-r-u-ok