python filter lamda map

Python内置了一些非常有趣但非常有用的函数，充分体现了Python的语言魅力！

filter(function, sequence)：对sequence中的item依次执行function(item)，将执行结果为True的item组成一个List/String/Tuple（取决于sequence的类型）返回：

def f(x): return x % 2 != 0 and x % 3 != 0
filter(f, range(2, 25))
[5, 7, 11, 13, 17, 19, 23]
def f(x): return x != ‘a’
filter(f, “abcdef”)
‘bcdef’

map(function, sequence) ：对sequence中的item依次执行function(item)，见执行结果组成一个List返回：

def cube(x): return x*x*x
map(cube, range(1, 11))
[1, 8, 27, 64, 125, 216, 343, 512, 729, 1000]
def cube(x) : return x + x
…
map(cube , “abcde”)
[‘aa’, ‘bb’, ‘cc’, ‘dd’, ‘ee’]
另外map也支持多个sequence，这就要求function也支持相应数量的参数输入：
def add(x, y): return x+y
map(add, range(8), range(8))
[0, 2, 4, 6, 8, 10, 12, 14]

mapmap(funcname, list)python的map 函数使得函数能直接以list的每个元素作为参数传递到funcname中, 并返回响应的新的list如下:def sq(x):    return x*x  #求x的平方map(sq, [1,3, 5,7,9]) #[1, 9, 25, 49, 81]在需要对list中的每个元素做转换的时候, 会很方便比如,把list中的每个int 转换成strmap(str, [23,43,4545,324]) #['23', '43', '4545', '324']当然, 第二个参数是list, 也可以是tuple　或者是set类list结构的, dict 是不行的,不过返回的结果都是listmap(sq, (1,3, 5,7,9)) # tuple [1, 9, 25, 49, 81]map(sq, set([1,3, 5,3,7,9])) # set [1, 9, 81, 25, 49]这里顺便说一下, dict的结构是用{} 表示的,如 {"name": "Yi_Zhi_Yu", "age":25}是直观的key-value形式, 那么如果{}中的是一个类list的结构呢, 如:{"Yi_Zhi_Yu", 25}其实, 这就是set的最终返回形式, 等价于:set(["Yi_Zhi_Yu", 25])# 你会看到最终的输出形式是{25, 'Yi_Zhi_Yu'}那么, 自然{}有重复值得时候也会去重   {1,3, 5, 3, 7, 9}  #{1, 3, 5, 7, 9}reducereduce(funcname, list)与map相比 , reduce类似于一个聚合类的应用方法, 把list中的参数, 依次传递给funcname, 每次funcname的参数都是上个funcname 执行结果和下一个list中的元素, 所以, funcname 的 参数必须是两个. 从执行过程看, 有点像递归例如: 求range(1, 101)(不包括101)的和,def c_sum(x, y):    return x + y;reduce(c_sum, range(1,101)) #5050filterfilter(funcname, list)执行过程依次将list中的元素传递到funcname函数中, 根据funcname返回的True或False 保留或丢弃元素例: 返回某个list中的所有int数据 def is_int(x):    if isinstance(x, (int)):        return True    else:        return False filter(is_int, ["Yi",2, "3", 4]) #[2, 4]sortedsorted( list, [comp_func])排序方法, 第二个是可选参数, 根据可选参数返回的值, 对结果进行排序, comp_func 接受两个参数(x, y), 最终返回的结果应该是-1.0,1, 如果返回的是-1, 表示x<y , 0表示x=y, 1表示x>y, 所以, 实际的排序可以自定义默认是正序排序:sorted([3,4, 12, 5, 9, 1])  #[1, 3, 4, 5, 9, 12]如果是需要倒序排列, 自定义方法: def m_order(x, y):    if(x > y):        return -1    elif(x == y):        return 0    else:        return 1sorted([3,4, 12, 5, 9, 1], m_order)  #[12, 9, 5, 4, 3, 1]是set的最终返回形式, 等价于:set(["Yi_Zhi_Yu", 25])# 你会看到最终的输出形式是{25, 'Yi_Zhi_Yu'}那么, 自然{}有重复值得时候也会去重   {1,3, 5, 3, 7, 9}  #{1, 3, 5, 7, 9}reducereduce(funcname, list)与map相比 , reduce类似于一个聚合类的应用方法, 把list中的参数, 依次传递给funcname, 每次funcname的参数都是上个funcname 执行结果和下一个list中的元素, 所以, funcname 的 参数必须是两个. 从执行过程看, 有点像递归例如: 求range(1, 101)(不包括101)的和,def c_sum(x, y):    return x + y;reduce(c_sum, range(1,101)) #5050filterfilter(funcname, list)执行过程依次将list中的元素传递到funcname函数中, 根据funcname返回的True或False 保留或丢弃元素例: 返回某个list中的所有int数据 def is_int(x):    if isinstance(x, (int)):        return True    else:        return False filter(is_int, ["Yi",2, "3", 4]) #[2, 4]sortedsorted( list, [comp_func])排序方法, 第二个是可选参数, 根据可选参数返回的值, 对结果进行排序, comp_func 接受两个参数(x, y), 最终返回的结果应该是-1.0,1, 如果返回的是-1, 表示x<y , 0表示x=y, 1表示x>y, 所以, 实际的排序可以自定义默认是正序排序:sorted([3,4, 12, 5, 9, 1])  #[1, 3, 4, 5, 9, 12]如果是需要倒序排列, 自定义方法: def m_order(x, y):    if(x > y):        return -1    elif(x == y):        return 0    else:        return 1sorted([3,4, 12, 5, 9, 1], m_order)  #[12, 9, 5, 4, 3, 1]