基本上，lambdas以及map，reduce和filter为python提供了函数式编程能力。让我们看看他们是什么。
- map： map函数采用 iterable（list，tuple，set）并将函数应用于列表中的每个元素。让我们看一个例子来看看它是如何工作的。
任务1：给定一个整数列表，编写代码，以方的所有数s在列表中。
def func （num ）：
“””
对给定数字进行平方的函数
“””
return num * num
l = [1, 2, 3, 4, 5, 6]
#map采用一个函数并应用于
＃列表中的每个元素
ans = list （map （func ，l ））
＃[1,4,9,16,25,36]
print(ans)
上面的代码工作并执行我们想要实现的内容，但我们可以使用lambda函数以更简洁的方式编写它，而不是创建单独的函数。让我们稍微改变一下代码，使其更简洁。
l = [1, 2, 3, 4, 5, 6]
＃[1,4,9,16,25,36]
ans = list （map （lambda x ：x * x ，l ））
print(ans)
任务2：给定一个整数列表，编写一个代码来均数偶数，但将奇数数字排成一行。这里我们可以一起使用map和lambda，如下所示
l = [1, 2, 3, 4, 5, 6]
ans = list(map(lambda x: x ** 2 if x % 2 == 0 else x ** 3, l))
print(ans)
这总结了地图的基本工作。我们来看看过滤器
- filter：它的工作原理类似于map函数。顾名思义，它用于根据特定条件过滤元素。不同之处在于它从列表中的元素创建满足某些条件的新列表。让我们看看它如何与一个例子一起工作。这些参数类似于地图的参数。它需要一个谓词函数和一个可迭代函数。
任务3：给定一个整数列表，编写一个代码，仅从列表中分隔偶数。
l = [1, 2, 3, 4, 5, 6]
＃只保留满足谓词功能的列表元素
ans = list(filter(lambda x: x % 2 == 0, l))
# [2, 4, 6]
print(ans)
- reduce：它继续在列表中应用函数，直到它返回单个值。让我们通过一个例子来看看reduce的工作
任务4：给定一个整数列表，编写一个代码，返回通过乘以列表中的元素获得的总值。
from functools import reduce
l = [1, 2, 3, 4, 5, 6]
ans = reduce(lambda x, y: x * y, l)
print(ans)
笔记：
map和 filter返回一个map对象，而 reduce返回一个值。
我们必须从functools导入reduce，但map和filter可直接在builtins中使用
