匿名函数
lambda
lambda函数，即匿名函数，若函数只有一个表达式，就可以使用lambda函数，而无需使用def来定义复杂的函数了。由于lambda函数比较简洁，通常也叫做lambda表达式。
a.lambda函数实现
add = lambda x,y:x+y
print(add(3,4))上面的lambda x,y:x+y就是一个匿名函数，虽然没有return语句，但依然能够返回结果。lambda x,y是匿名函数的声明部分，而x+y则是匿名函数的实现部分。这个匿名函数等价于下面的这个普通函数。
b.普通编程方式实现
def add(x,y):
return x+y
print(add(3,4))上面的场景，把匿名函数的结果赋值给了add，已经变成了有名函数，与匿名函数的意义不符了。
匿名函数用于临时调用一次的场景，更多的情况是将匿名函数与其他函数配合使用，比如下面将要介绍的几个高阶函数。
高阶函数
只要满足下面的任意一个条件就是高阶函数：
一个函数的函数名作为参数传给另外一个函数；
def func(): print("普通函数") def high(func): print("高阶函数") func() high(func)一个函数的返回值是另外一个函数；
def func(): print("普通函数") def high(func): print("高阶函数") return func res = high(func) res() 高阶函数 普通函数
map
map会根据提供的函数对指定序列做映射。有两个参数，第一个参数是一个函数，第二个或多个参数是可迭代的序列。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。最终返回的是一个迭代器。
语法格式：
map(function, iterable,...)def square(x):
return x ** 2
l1 = map(square,[1,2,3,4,5])
print(list(l1))
[1, 4, 9, 16, 25]上面的square函数相对简单，可以使用lambda表达式进行表示
l2 = map(lambda x:x**2,[1,2,3,4,5])
print(l2)
print(list(l2))
<map object at 0x106121fa0>
[1, 4, 9, 16, 25]filter
filter是过滤的功能，比如在一个列表的元素里面过滤出我们想要的数据。filter函数接收两个参数，第一个是过滤函数，第二个是可迭代的序列。序列的每个元素作为参数传递给过滤函数进行判断，返回True或False，最后将返回True的元素放到新列表中
语法格式：
filter(function, iterable)例如：在range(20)中过滤出大于5的数据
a. 通过列表推导式实现如下：
lists=[x for x in range(20) if x>5]
print(lists)
[6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]b. 通过普通编程的方式实现如下：
lists=[x for x in range(20)]
def func(li):
data=[]
for item in li:
if item>5:
data.append(item)
return data
print(func(lists))
[6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]c.通过filter函数实现如下：
lists=[x for x in range(20)]
def func(n):
return n > 5
newlist = filter(func,lists)
print(list(newlist))
[6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]d.在上例的基础上，通过lambda来实现
lists=[x for x in range(20)]
def func(n):
return n > 5
res = filter(lambda x:x > 5,lists)
print(res)
print(list(res))
<filter object at 0x10d2fafd0>
[6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]reduce
python3中已不再内置reduce函数，需要从functools模块中引用
reduce函数有三个参数，第一个参数是一个函数，第二个参数是一个序列，第三个参数是initial，是初始值，默认是None。reduce函数的作用是通过提供的函数，对序列中的内容进行累积处理，返回函数的计算结果。
语法格式：
reduce(function, sequence[,initial])from functools import reduce
def add(x,y):
return x + y
print(reduce(add,[1,2,3,4,5,6]))
21在reduce中使用lambda函数
from functools import reduce
print(reduce(lambda x, y: x + y, [1, 2, 3, 4, 5, 6]))
21为第三个参数initial设置初始值
from functools import reduce
print(reduce(lambda x, y: x + y, [1, 2, 3, 4, 5, 6], 10))
31sorted
sorted 是个排序函数，可以对list进行排序，也可以接收一个key函数来实现自定义排序。sorted函数包含三个参数，第一个参数是可迭代对象，第二个参数是一个key函数，以一定的算法对第一个参数中的元素进行修改或计算。第三个参数reverse是排序规则，默认是升序，若要降序只需reverse=True即可。
语法格式：
sorted(iterable[,key,reverse])示例1：对列表中的数值进行排序
list1 = [1, 2, 33, 22, 54, 6, 4, 98, 19]
print(sorted(list1))
print(sorted(list1, reverse=True))
[1, 2, 4, 6, 19, 22, 33, 54, 98]
[98, 54, 33, 22, 19, 6, 4, 2, 1]示例2：对字典中的人安装年龄排序，并按年龄的顺序输出人的名字
dict1 = {
'zhangsan': 18,
'lisi': 22,
'wangwu': 19,
'yanliu': 17
}
res = sorted(dict1)
print(res)
['lisi', 'wangwu', 'yanliu', 'zhangsan']上面的结果，因为没有指定sorted的key参数，默认以字典的key即名字进行对比排序
改写如下：
dict1 = {
'zhangsan': 18,
'lisi': 22,
'wangwu': 19,
'yanliu': 17
}
def func(k):
return dict1[k]
res = sorted(dict1, key=func)
print(res)
['yanliu', 'zhangsan', 'wangwu', 'lisi']实现了基本需求。可以再上面的基础上将func使用lambda匿名函数来实现
dict1 = {
'zhangsan': 18,
'lisi': 22,
'wangwu': 19,
'yanliu': 17
}
res = sorted(dict1, key=lambda k: dict1[k])
print(res)
['yanliu', 'zhangsan', 'wangwu', 'lisi']这样就实现。另外max()函数和min()函数等都可以在类似的场景下使用。
res=max(salaries,key=lambda k:salaries[k])
print(res)
lisires=min(salaries,key=lambda k:salaries[k])
print(res)
yanliuzip
zip 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同。
语法格式：
zip(iter1[,iter2[...]])a = [1,2,3]
b = [4,5,6]
c = [7,8,9,10]
z1 = zip(a,b)
print([i for i in z1])
z2 = zip(a,c)
print([j for j in z2])
[(1, 4), (2, 5), (3, 6)]
[(1, 7), (2, 8), (3, 9)]
