lambda()函数

lambda是创建匿名函数

 <1> 例子：
 def square_func(x):
     return x * x
     
 square_lambda_func = lambda x: x * x 
 
 for i in range(10):
     assert square_func(i) == square_lambda_func(i)
     
 <2> 因为lambda具有快速声明的特点，所以lambda非常适合用于回调函数以及作为一个参数传入其他函数中。此外，它还可以很好的和map, filter, reduce这几个函数一起使用。
 <3> lambda函数的运算时间并不是很好，和用def定义的有名字函数相比，会稍微慢一些，因此更建议使用带名字的函数。
    
    

map()函数

map(func, iterable)是将iterable可迭代序列中的所有元素依次传给函数func。
这里可以作为iterable参数的有列表,集合,字典,元祖和字符串,返回的是一个map对象，例子如下所示：

   nums = [1/3, 333/7, 2323/2230, 40/34, 2/3]
   
   nums_squared = [num * num for num in nums]
   print(nums_squared)
   #[0.1111111, 2263.04081632, 1.085147, 1.384083, 0.44444444]
   
   #如果用 map 函数作为回调函数，则代码为：
   nums_squared_1 = map(square_fn, nums)
   nums_squared_2 = map(lambda x: x * x, nums)
   print( list(nums_squared_1 ))  
   # 因为map()返回的是一个map对象，所以需要使用list()函数

filter()函数

主要用来筛选数据，一夫当关，万夫莫开
filter(func, iterable)
func返回的是布尔类型的数值，然后filter(func,iterable)函数返回的就是 func会返回True的元素，一个例子如下所示：
bad_preds = filter(lambda x: x > 0.5, [0.6,0.9,1.5,0.3])
print(list(bad_preds) )
# [0.6,0.9,1.5]
     
     

4/reduce()

reduce(func, iterable, initializer) 是在我们想对一个列表的元素都迭代地采用一个操作器的使用。比如，我们想计算一个列表的所有元素的乘积：
from functools import reduce
product = reduce(lambda x, y: x + y, nums) 
# 如果nuns=[11,22,33],则就是11和22相加，然后得到的结果再和33相加
print(product)
==> 66