Python进阶篇——lambda、map、filter、reduce高级函数的使用
OK，我们今天来简单讲一下Python中的几个高级函数，为什么说这是高级函数呢？因为它可以极大的减少我们的代码量，让我们的代码看起来更加的清爽，提高我们的开发速度；
用lambda创建匿名函数
在理解匿名函数之前，我们先来回顾下我们之前创建函数是怎么创建的：
def 函数名(参数1,参数2[,……]):
函数主体
return 返回值标标准准的函数构建方法，但是有一个问题，当我们创建的函数只需要计算两个数相加之和时，我们最少也要写两行代码：
def sum_n(x,y):
return x+y而用lambda创建则只需要一行代码就可以搞定：
sum_n = lambda x,y:x+y这个就是lambda的魅力所在，使用也是非常的简单，接下来我们就来讲解一下它的使用方法和优缺点：
lambda 参数列表:参数表达式- 匿名函数，肯定是没有名字的，我们可以将它赋给一个对象，然后通过这个对象就可以实现函数功能
sum_n = lambda x,y:x+y print(sum_n(1,2)) # 输出结果： # 3 - 通过上面我们可以知道，lambda其主体就是一个表达式，既然可以赋给一个对象，那么我们可不可以赋给列表，当列表元素呢？
func = [lambda x,y:x+y,lambda x,y:x-y,lambda x,y:x*y,lambda x,y:x/y] for fun in func: print(fun(1,2)) # 输出结果： # 3 # -1 # 2 # 0.5 - 同样的道理，我们应该可以将其赋给另一个函数
sum_n = lambda x,y:x+y def sum_m(func,x,y,n): return func(x,y)-n print(sum_m(sum_n,1,2,6)) # 输出结果： # -3 - 有一个邪恶的想法，如果我将lambda函数赋值给其他函数，那么会发生什么呢？
print = lambda x:None print('test') # 输出结果： # 什么都没发生那么这就有了一个引申用法，我是否可以通过它来屏蔽某些函数功能；
那么，有优点就肯定有缺点，我们一一说一下：
- 主体是表达式，那么函数功能就不会非常复杂，只能够实现简单的功能；
- 在lambda中，是不支持异常处理的，那么当处理异常时，程序就会崩溃：
sum_n = lambda x,y:x+y sum_n(1,'a') # 输出结果： # TypeError: unsupported operand type(s) for +: 'int' and 'str'
用map函数做函数功能的序列映射
这是什么意思呢？我们下面来举个栗子说明：
a = [1,2,3,4,5]
b = [3,5,6,2,7]
n = []
for i in range(5):
n.append(a[i]+b[i])
print(n)
# 输出结果：
# [4, 7, 9, 6, 12]我们正常来讲，想要将两个列表元素依次相加，需要这么几行代码，但是用map函数就方便啦：
def sum_n(x,y):
return x+y
print(list(map(sum_n,[1,2,3,4,5],[3,5,6,2,7])))
# 输出结果：
# [4, 7, 9, 6, 12]额，好像没有啥差别呀，不就是没用变量传参了嘛；不要着急，还记得lambda嘛，实现一行解决问题：
print(list(map(lambda x,y:x+y,[1,2,3,4,5],[3,5,6,2,7])))
# 输出结果：
# [4, 7, 9, 6, 12]是不是很神奇，OK，现在要敲黑板了，我们来总结一下：
map函数可以根据我们指定的函数功能，将若干序元素依次进行处理，最后返回的也是一个序列集合；
那么现在都是序列元素个数对等的情况，如果元素个数不对等会怎么样呢？
print(list(map(lambda x,y:x+y,[1,2,3,4,5],[3,5,6])))
# 输出结果：
# [4, 7, 9]我们可以发现，没有报错，只进行了前三个元素处理；那么，我们可以得出，当序列元素不对等时，不对等部分就不会进行处理。
用filter函数对序列进行过滤
这个函数功能从字面上应该就可以理解，它就相当于一个筛子，可以将不符合要求的序列元素过滤掉，然后返回一个新的序列；
a = [1,2,3,4,5,6,7,8,9]
print(list(filter(lambda x:x%2==1,a)))
# 输出结果：
# [1, 3, 5, 7, 9]从上面栗子的结果可以看出，上面的功能就是筛选出序列中所有的奇数，接下来我们讲解下函数的参数：
filter(判断函数,源序列))
# 判断函数的返回值我们就可以理解成判断条件下面我们再来举个栗子：
import math
print(list(filter(lambda x:math.sqrt(x)%1==0,range(1,100))))
# lambda x:math.sqrt(x)%1==0
# 这里的x就是判断值
# math.sqrt(x)%1==0 就是判断条件
# range(1,100) 就是要进行筛选的源序列
# 输出结果：
# [1, 4, 9, 16, 25, 36, 49, 64, 81]
用reduce函数累计处理序列元素
这个函数还是还是不好理解的，下面我来举个栗子：
from functools import reduce # 在Python3中我们不能直接拿来使用，要从functools中导入使用
print(reduce(lambda x,y:x+y,range(1,101)))
# 输出结果：
# 5050上面的栗子就是非常经典的累加，将1-100的数字依次相加，最后得出一个结果：
reduce(处理函数,[a,b,c,d,e])
# 首先对a和b用函数进行处理，得出结果b1
# 然后对b1和c用函数进行处理，得出c1
# 一次类推
# 最后对d1和e用函数进行处理，得出最后的结果
我们可以理解成滚雪球，不断根据规则进行迭代处理，到最后一个元素处理完毕得到最终结果。