一、lambda表達式
lambda表達式，通常是在需要一個函數，但是又不想費神去命名一個函數的場合下使用，也就是指匿名函數。lambda所表示的匿名函數的內容應該是很簡單的，如果複雜的話，乾脆就重新定義一個函數了，使用lambda就有點過於執拗了。lambda就是用來定義一個匿名函數的，如果還要給他綁定一個名字的話，就會顯得有點畫蛇添足，通常是直接使用lambda函數。如下所示：
<調用名> = lambda <參數1>,<參數2>...:<表達式>
add = lambda x,y:x+y
add(1,2) # 結果爲3
二、zip()函數用法
zip()是Python的一個內建函數，它接受一系列可迭代的對象作爲參數，將對象中對應的元素打包成一個個tuple（元組），然後返回由這些tuples組成的list（列表）。若傳入參數的長度不等，則返回list的長度和參數中長度最短的對象相同。利用*號操作符，可以將list unzip（解壓），看下面的例子就明白了：
>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)
[(1, 2, 3), (4, 5, 6)]
對於這個並不是很常用函數，下面舉幾個例子說明它的用法：
2.1、維矩陣變換（矩陣的行列互換）
比如我們有一個由列表描述的二維矩陣
a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
通過python列表推導的方法，也能輕易完成這個任務
print [ [row[col] for row in a] for col in range(len(a[0]))]
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
另外一種讓人困惑的方法就是利用zip函數：
>>> a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> zip(*a)
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
>>> map(list,zip(*a))
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
這種方法速度更快但也更難以理解，將list看成tuple解壓，恰好得到我們“行列互換”的效果，再通過對每個元素應用list()函數，將tuple轉換爲list
三、Python函數式編程 map()、reduce()
3.1、map()
格式：map( func, seq1[, seq2...] )
Python函數式編程中的map()函數是將func作用於seq中的每一個元素，並用一個列表給出返回值。如果func爲None，作用同zip()。
當seq只有一個時，將func函數作用於這個seq的每個元素上，得到一個新的seq。下圖說明了只有一個seq的時候map()函數是如何工作的（本文圖片來源：《Core Python Programming (2nd edition)》）。
可以看出，seq中的每個元素都經過了func函數的作用，得到了func(seq[n])組成的列表。
下面舉一個例子進行說明。假設我們想要得到一個列表中數字%3的餘數，那麼可以寫成下面的代碼。
Python函數式編程之map使用（一個seq）
|
1 2 3 4 5 6 |
# 使用map print map( lambda x: x%3, range(6) ) # [0, 1, 2, 0, 1, 2]
#使用列表解析 print [x%3 for x in range(6)] # [0, 1, 2, 0, 1, 2]
|
這裏又和上次的filter()一樣，使用了列表解析的方法代替map執行。那麼，什麼時候是列表解析無法代替map的呢？
原來，當seq多於一個時，map可以並行地對每個seq執行如下圖所示的過程：
也就是說每個seq的同一位置的元素在執行過一個多元的func函數之後，得到一個返回值，這些返回值放在一個結果列表中。
下面的例子是求兩個列表對應元素的積，可以想象，這是一種可能會經常出現的狀況，而如果不是用map的話，就要使用一個for循環，依次對每個位置執行該函數。
Python函數式編程之map使用（多個seq）
|
1 |
print map( lambda x, y: x * y, [1, 2, 3], [4, 5, 6] ) # [4, 10, 18] |
上面是返回值是一個值的情況，實際上也可以是一個元組。下面的代碼不止實現了乘法，也實現了加法，並把積與和放在一個元組中。
Python函數式編程之map使用（多個seq）
|
1 |
print map( lambda x, y: ( x * y, x + y), [1, 2, 3], [4, 5, 6] ) # [(4, 5), (10, 7), (18, 9)] |
還有就是上面說的func是None的情況，它的目的是將多個列表相同位置的元素歸併到一個元組，在現在已經有了專用的函數zip()了。
Python函數式編程之map使用（func爲None）
|
1 2 3 |
print map( None, [1, 2, 3], [4, 5, 6] ) # [(1, 4), (2, 5), (3, 6)]
print zip( [1, 2, 3], [4, 5, 6] ) # [(1, 4), (2, 5), (3, 6)] |
需要注意的是，不同長度的多個seq是無法執行map函數的，會出現類型錯誤。
3.2、reduce()
格式：reduce( func, seq[, init] )
reduce函數即爲化簡，它是這樣一個過程：每次迭代，將上一次的迭代結果（第一次時爲init的元素，如沒有init則爲seq的第一個元素）與下一個元素一同執行一個二元的func函數。在reduce函數中，init是可選的，如果使用，則作爲第一次迭代的第一個元素使用。
簡單來說，可以用這樣一個形象化的式子來說明：reduce( func, [1, 2,3] ) = func( func(1, 2), 3)
下面是reduce函數的工作過程圖：
舉個例子來說，階乘是一個常見的數學方法，Python中並沒有給出一個階乘的內建函數，我們可以使用reduce實現一個階乘的代碼。
Python函數式編程之reduce使用
|
1 2 |
n = 5 print reduce(lambda x, y: x * y, range(1, n + 1)) # 120 |
那麼，如果我們希望得到2倍階乘的值呢？這就可以用到init這個可選參數了。
Python函數式編程之reduce使用
|
1 2 3 |
m = 2 n = 5 print reduce( lambda x, y: x * y, range( 1, n + 1 ), m ) # 240 |