1 map
我们有一个函数 f(x)=x2 ，要把它作用在一个 list [1, 2, 3, 4, 5, 6, 7, 8, 9] 上，就可以用 map() 。
>>> def f(x):
... return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]
注意结果 r 是一个可迭代的惰性序列，要用 list() 将它展开。
我们不但可以计算简单的 f(x)=x2，还可以计算任意复杂的函数，比如，把这个 list 所有数字转为字符串：
>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']
2 reduce
reduce() 与 map() 极为相似，不同的是 map() 接收的是单参数函数，而 reduce() 接收的是双参数函数，且第一个参数是上一次计算的结果值，即 reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4) 。下面是一个简单的将 str 转换为 int 的函数：
from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return DIGITS[s]
return reduce(fn, map(char2num, s))
3 filter
filter() 用于筛选序列，如删掉序列中的偶数：
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]
4 sorted
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
排序的判断依据就是 key 所指的函数。
5 closure
函数不仅可以作为参数，也可以作为返回值。
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
lazy_sum() 返回的 f 不是求和结果，而是求和函数。调用函数 f() 时，才真正计算求和的结果：
>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>
>>> f()
25
注意 f 中保存着原函数的参数和变量，称为“闭包”。我们两次返回的函数相互独立。
>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False
返回闭包时牢记一点：返回函数不要引用任何循环变量，或者后续会发生变化的变量。
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
>>> f1()
9
>>> f2()
9
>>> f3()
9
全部都是 9 ！因为等到 3 个函数都返回时，它们所引用的变量 i 已经变成了 3 。
6 lambda
匿名函数 lambda x: x * x 实际上就是：
def f(x):
return x * x
匿名函数只能有一个表达式。由于没有名字，不必担心冲突。此外，匿名函数也是一个函数对象，可以被赋值给变量，再利用变量调用。
7 partial
int() 函数可以把字符串转换为整数，默认十进制。假设要转换大量的二进制字符串，用 int(x, base=2) 非常麻烦，于是我们想到可以定义一个 int2() 的函数，默认 base=2 。 functools.partial 就是这样一个帮手，为函数设定默认值。
def int2(x, base=2):
return int(x, base)
# 等价于
int2 = functools.partial(int, base=2)
partial 实际接收的参数是 function 、*args 和 **kw 。 未深刻理解。