Map，Filter 和 Reduce 三个函数能为函数式编程提供便利。我们会通过实例一个一个讨论并理解它们
Map
Map会将一个函数映射到一个输入列表的所有元素上。这是它的规范： 规范:
map(function_to_apply, list_of_inputs)
大多数时候，我们要把列表中所有元素一个个地传递给一个函数，并收集输出。比方说:
items = [1, 2, 3, 4, 5] squared = [] for i in items:
squared.append(i**2)
Map可以让我们用一种简单而漂亮得多的方式来实现。就是这样：
items = [1, 2, 3, 4, 5] squared = list(map(lambda x: x**2, items))
大多数时候，我们使用匿名函数(lambdas)来配合map, 所以我在上面也是这么做的。 不仅用于一列表的输入， 我们甚至可以用于一列表的函数！
代码如下:
def multiply(x): return (x*x) def add(x): return (x+x) funcs = [multiply, add] for i in range(5): value = map(lambda x: x(i), funcs) print(list(value))
Filter
顾名思义，filter过滤列表中的元素，并且返回一个由所有符合要求的元素所构成的列表，符合要求即函数映射到该元素时返回值为True. 这里是一个简短的例子:
number_list = range(-5, 5) less_than_zero = filter(lambda x: x < 0, number_list) print(list(less_than_zero)) Output: [-5, -4, -3, -2, -1]
这个filter类似于一个for循环，但它是一个内置函数，并且更快。
注意：如果map和filter对你来说看起来并不优雅的话，那么你可以看看另外一章：列表/字典/元组推导式。
Reduce
当需要对一个列表进行一些计算并返回结果时，Reduce 是个非常有用的函数。举个例子，当你需要计算一个整数列表的乘积时。 通常在 python 中你可能会使用基本的 for 循环来完成这个任务。
现在我们来试试 reduce：
from functools import reduce product = reduce( (lambda x, y: x * y), [1, 2, 3, 4] ) Output: 24
