标签：keyword add def 表达 obj 推导列表 value 作用 多个
一. 匿名函数lambda
1.lambda只是一个表达式，函数体比def简单很多。
2.lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去
>>> def add(a,b):
... return a+b
...
>>> add(1,4)
5
>>>
>>> lambda x:x+2
<function <lambda> at 0x00000273C937B8C8> #函数
>>>
>>> a=lambda x,y:x+y
>>> a(2,6)
8
>>> f = [lambda x:x*i for i in range(4)]
>>> f[1](1)
3
>>> f1 = [lambda i=i: i*i for i in range(4)]
>>> f1[3]()
9
二 . filter()函数
filter()函数是 Python 内置的有用高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，
返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。
例如，在一个list中，删掉偶数，只保留奇数，可以这么写：
def is_odd(n):
return n % 2 == 1
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
结果: [1, 5, 9, 15]
学习了lambda函数后，可以一行搞定
>>> list(filter(lambda x:x%2, [1, 2, 4, 5, 6, 9, 10, 15]))
[1, 5, 9, 15]注意：python3 起，filter 函数返回的对象从列表改为 filter object（迭代器）,
想要使用的话加上list(),将迭代器转换成列表,例如：利用filter()，可以完成很多有用的功能，删除 None 或者空字符串：
>>> def not_empty(s):
... return s and s.strip()
...
>>> filter(not_empty, [‘A‘, ‘‘, ‘B‘, None, ‘C‘, ‘ ‘])
<filter object at 0x0000020833998AC8>
>>>
>>> list(filter(not_empty, [‘A‘, ‘‘, ‘B‘, None, ‘C‘, ‘ ‘]))
[‘A‘, ‘B‘, ‘C‘]
Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。
三. map() 函数
map() 会根据提供的函数对指定序列做映射。
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。
map(function, iterable, …)
>>> def abc(a, b, c):
... return a*10000 + b*100 + c
...
>>> list1 = [11,22,33]
>>> list2 = [44,55,66]
>>> list3 = [77,88,99]
>>> map(abc,list1,list2,list3)
<map object at 0x0000023E269A8BE0>
>>> list(map(abc,list1,list2,list3))
[114477, 225588, 336699]
list(map(lambda x: x**2, range(5)))
[0, 1, 4, 9, 16]
四.reduce()函数
reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，
reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。
def add(x, y): return x + y>>> reduce(add, [1, 3, 5, 7, 9]) 25调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：
先计算头两个元素：f(1, 3)，结果为4；再把结果和第3个元素计算：f(4, 5)，结果为9；再把结果和第4个元素计算：f(9, 7)，结果为16；再把结果和第5个元素计算：f(16, 9)，结果为25；由于没有更多的元素了，计算结束，返回结果25。
标签：keyword add def 表达 obj 推导列表 value 作用 多个
原文地址：https://www.cnblogs.com/liyujie1978/p/9586129.html
