Lambda 函数
创新互联建站致力于互联网品牌建设与网络营销，包括成都做网站、网站制作、SEO优化、网络推广、整站优化营销策划推广、电子商务、移动互联网营销等。创新互联建站为不同类型的客户提供良好的互联网应用定制及解决方案，创新互联建站核心团队10年专注互联网开发，积累了丰富的网站经验，为广大企业客户提供一站式企业网站建设服务，在网站建设行业内树立了良好口碑。
Python 函数一般使用 def a_function_name() 样式来定义，但是对于 lambda 函数来说，我们其实根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。
Map 函数
Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。
Filter 函数
filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构(列表、元组、字典)。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。
Itertools 模块
Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句(包括列表、元组和字典)中使用的数据类型。
使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。
Generator 函数
其实，Generator函数是一个类似于迭代器的函数，就是它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。
关于Python的5种高级用法，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。
高阶函数就是能够把函数当成参数传递的函数就是高阶函数，换句话说如果一个函数的参数是函数，那么这个函数就是一个高阶函数。
高阶函数可以是你使用 def 关键字自定义的函数，也有Python系统自带的内置高阶函数。
我们下面的例子中，函数 senior 的参数中有一个是函数，那么senior就是一个高阶函数；函数 tenfold 的参数不是函数，所以tenfold就只是一个普通的函数。
function：函数，可以是 自定义函数 或者是 内置函数；
iterable：可迭代对象，可迭代性数据。（容器类型数据和类容器类型数据、range对象、迭代器）
把可迭代对象中的数据一个一个拿出来，然后放在到指定的函数中做处理，将处理之后的结果依次放入迭代器中，最后返回这个迭代器。
将列表中的元素转成整型类型，然后返回出来。
列表中的每一个数依次乘 2的下标索引+1 次方。使用自定义的函数，配合实现功能。
参数的意义和map函数一样
filter用于过滤数据，将可迭代对象中的数据一个一个的放入函数中进行处理，如果函数返回值为真，将数据保留；反之不保留，最好返回迭代器。
保留容器中的偶数
参数含义与map、filter一致。
计算数据，将可迭代对象的中的前两个值放在函数中做出运算，得出结果在和第三个值放在函数中运算得出结果，以此类推，直到所有的结果运算完毕，返回最终的结果。
根据功能我们就应该直到，reduce中的函数需要可以接收两个参数才可以。
将列表中的数据元素组合成为一个数，
iterable：可迭代对象；
key：指定函数，默认为空；
reverse：排序的方法，默认为False，意为升序；
如果没有指定函数，就单纯的将数据安札ASCII进行排序；如果指定了函数，就将数据放入函数中进行运算，根据数据的结果进行排序，返回新的数据，不会改变原有的数据。
注意，如果指定了函数，排序之后是根据数据的结果对原数据进行排序，而不是排序计算之后的就结果数据。
将列表中的数据进行排序。
还有一点就是 sorted 函数可以将数据放入函数中进行处理，然后根据结果进行排序。
既然有了列表的内置函数sort，为什么我们还要使用sorted函数呢？
高阶函数就是将函数作为参数的函数。
文章来自
1、map
map()函数接受两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每一个元素上，并把结果作为新的Iterator返回。
举例，比如我们有一个函数f(x)=x*2，要把这个函数作用在一个list[1, 2, 3, 4, 5, 6, 7, 8,
9]上，就可以用map()实现。
def f(x):
... return x*2
...
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
list(r)
[2, 4, 6, 8, 10, 12, 14, 16, 18]
所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x*2，还可以计算任意复杂的函数，比如把这个list所有的数字转为字符串：
list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))
["1", "2", "3", "4", "5", "6", "7", "8", "9"]
2、reduce
reduce是把一个函数作用在一个序列[x1, x2,
x3……]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累计计算。简单来说，就是先计算x1和x2的结果，再拿结果与x3计算，依次类推。比如说一个序列求和，就可以用reduce实现。
from functools import reduce
def add(x, y):
... return x + y
...
reduce(add, [1, 3, 5, 7, 9])
25
也就是说，假设python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码。
3、filter
用于过滤序列，和map函数类似，filter也接收一个函数和一个序列，不同于map的是，filter把传入的函数依次作用于每一个元素，然后根据返回值是True还是False决定保留还是丢弃该元素，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
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉，可以这么写：
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ["A", "", "B", None, "C", " "]))
# 结果: ["A", "B", "C"]
可见用filter()这个高阶函数，关键在于正确实现一个筛选函数。
4、sorted
无论冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢?直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来，Python内置的sorted()函数就可以对list进行排序：
sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
下面是笔者的个人理解： 把计算出的值存在函数内部（当然不止尾递归）是其计算方法，从而不用在栈中去创建一个新的，这样就大大节省了空间。函数调用中最后返回的结果是单纯的递归函数调用（或返回结果）就是尾递归。
实例还是和笔者的上一篇文章相同，建议读者阅读 Python —— 递归
常规递归阶乘：
我们来看一下执行过程：
但是如果把上面的函数写成如下形式：
我们再看下执行过程：
很直观的就可以看出，这次的 factorial 函数在递归调用的时候不会产生一系列逐渐增多的中间变量了，而是将状态保存在 acc 这个变量中。而这种形式的递归，就叫做尾递归。
常规递斐波那契数列：
而尾递归：
一下子就充满了逼格，还高效了许多，何乐而不为呢！
一、如何在列表，字典，集合中根据条件筛选数据?
问题1：
如何过滤掉列表[3,9,-1,10,20,-2]中的负数?
解决方法：
在Python中可以使用函数式编程，列表解析，字典解析集合解析等方式进行筛选。
1)最通常的方法：迭代
data = [3,9,-1,10,20,-2]res = []for x in data: if(x = 0): res.append(x)print(res)
2)使用filter函数
from random import randintdata = [randint(-10,10) for x in range(10)] #在-10到10之间随机生成10个随机数newdata = list(filter(lambda x: x = 0, data))print(newdata)
注意Python3中的filter函数返回的对象从列表改为了Iterator(迭代器),因此如果想返回一个列表，就要加上list()
3)列表解析
newdata2 = [x for x in data if x = 0]print(newdata2)
结果和使用filter函数相同，但是使用列表解析所需的时间要比使用filter快很多，所以首选的方式就是列表解析，另外这两种方式都远快于迭代的方式。（推荐阅读：Python零基础入门在线网课）
问题2：
如何筛选出字典中值高于90的项?
解决方法：
from random import randintdic = {x: randint(60,100) for x in range(1,11)} #随机生成学号1到10的学生成绩newdic = {k:v for k,v in dic.items() if v = 90} #同时迭代键和值，Python3中的iteritems变为itemsprint(newdic)
问题3：
如何筛选出集合{77,89,32,29,33}中能被3整除的元素?
解决方法：
s = {77,89,32,29,33}news = {x for x in s if x % 3 == 0}print(news)
二、如何为元组中的每个元素命名，提高程序的可读性?
实际案例：
如学生信息管理系统中数据为固定格式：
(名字，年龄，性别...)
学生数量很大，为了减少存储开销，对每个学生信息采用元组表示：
(‘jam’,16,’male’)
(‘tom’,18,’male’)
(‘july’,19,’female’)
...
访问元组时，需要使用索引(index)来访问，
如一个学生元组为student = ('jam',19,'male')，那么想要访问其名字时要使用student[0]，访问其性别时要使用student[2]
由此带来的问题是大量的索引会降低程序的可读性，
那么如何来解决这个问题呢?
有两种解决方案：
方案1：定义枚举类型，也就是定义一系列数值常量
NAME = 0AGE = 1SEX = 2# NAME,AGE,SEX = range(1,4)student = ('jam',19,'male')print(student[NAME])print(student[AGE])
方案2：使用标准库中collections.namedtuple替代内置的tuple
from collections import namedtupleStudent = namedtuple('student',['name','age','sex']) #相当于创建了一个命名元组类，第一个参数是元组的名字，第二个参数是其属性s1 = Student('jam',18,'male') #可以直接传参s2 = Student(name='tom',age=20,sex='male') #也可以通过关键字传参print(s1.name) #通过属性来访问print(s2.age)
注意：这种发方法并不是装饰器最常用的功能，但是在降低代码重复上可谓是首屈一指。比如：如果不使用装饰器，上述代码可能会很多：
当然，这里也有一个潜在的风险，就是当装饰器包裹的函数已经用了debug作为参数名，那么装饰器这里将会报错，所以要添加额外的一些判断来完善代码：
最后还剩下一部分比较难理解的地方，我将理解的注释在每行代码上方，这个问题就是，在打印被修饰函数的参数签名时，其实并不能正确显示参数签名，原因是因为被wrapper修饰过后的函数实际上应该使用的是wrapper的参数签名表，例如：
所以，接下来，完成最后最难的一步：
