一、匿名函数的使用

匿名函数（英语：anonymous function）是指一类无需定义标识符（函数名）的函数。通俗来说呢，就是它可以让我们的函数，可以不需要函数名

这边使用def 和 lambda 分别举个例子，你很快就能理解

def mySum(x, y):
    return x+y
mySum(2, 3)
# 5

(lambda x, y: x+y)(2, 4)
# 6

可以看到匿名函数直接运行，省下了很多行的代码

带 if/else　

>>>( lambda x, y: x if x < y else y )( 1, 2 )
　

　递归函数

>>> func = lambda n:1 if n == 0 else n * func(n-1)
>>> func(5)
120

>>> a = lambda *z:z #*z返回的是一个元祖
>>> a('Testing1','Testing2')
('Testing1', 'Testing2')

>>> c = lambda **Arg: Arg #arg返回的是一个字典
>>> c()
{}

二、必学高阶函数

1. map 函数

map 函数，它接收两个参数，第一个参数是一个函数对象（当然也可以是一个lambda表达式），第二个参数是一个序列。

>>>list(map(lambda x: x*2, [1,2,3,4,5]))
[2, 4, 6, 8, 10]

　可以很清楚地看到，它可以将后面序列中的每一个元素做为参数传入lambda中　

不使用 map 函数写法

mylist=[]
for i in [1,2,3,4,5]:
    mylist.append(i*2)

2.filter 函数

filter 函数，和 map 函数相似。同样也是接收两个参数，一个lambda 表达式，一个序列。它会遍历后面序列中每一个元素，并将其做为参数传入lambda表达式中，当表达式返回 True，则元素会被保留下来，当表达式返回 False ，则元素会被丢弃。

下面这个例子，将过滤出一个列表中小于0的元素。

>>>filter(lambda x: x < 0, range(-5, 5))
[-5, -4, -3, -2, -1]

3. reduce 函数

reduce 函数，也是类似的。它的作用是先对序列中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 lambda 函数运算，将其得到的结果再与第四个元素进行运算，以此类推下去直到后面没有元素了。

这边举个例子你也就明白了。

>>>reduce(lambda x,y: x+y, [1,2,3,4,5])
15

它的运算过程分解一下是这样的。

1+2=3
3+3=6
6+4+10
10+5=15

总结一下：

第一点，map 和 filter 函数返回的都不再是一个列表，而是一个迭代器对象。这里以map为例

>>> map_obj = map(lambda x: x*2, [1,2,3,4,5])
>>> from collections.abc import Iterator
>>> isinstance(map_obj, Iterator)
True
>>> next(map_obj)
2
>>> list(map_obj)
[4, 6, 8, 10]

第二点，reduce 不可以直接调用，而是要先导入才能使用，

from functools import reduce