python高阶函数：map(f,[list]),reduce(f,[list],可选初始值)，

map，reduce和filter三个函数在python3和python2中发生了较大的差异。具体请看文章后面部分。 1. python的map()函数 2. python的reduce()函数 3. python的lambda()函数

lambda函数

python的map()函数 map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。

举例说明，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

#使用lambda函数
 print map(lambda x: x % 2, range(7))

[0, 1, 0, 1, 0, 1, 0]

一个最简单的例子,如基于f(x) = x²,map()作用于list [1, 2, 3, 4, 5, 6, 7, 8, 9]后的结果如下:返回结果仍为list

python的reduce()函数

reduce()函数也是Python内置的一个高阶函数。

reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

例如，编写一个f函数，接收x和y，返回x和y的和：

def f(x, y):
    return x + y

调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

1
2
3
4
5

先计算头两个元素：f(1, 3)，结果为4； 再把结果和第3个元素计算：f(4, 5)，结果为9； 再把结果和第4个元素计算：f(9, 7)，结果为16； 再把结果和第5个元素计算：f(16, 9)，结果为25； 由于没有更多的元素了，计算结束，返回结果25。

上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum()，但是，利用reduce()求和也很简单。

reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：

reduce(f, [1, 3, 5, 7, 9], 100)

结果将变为125

前两天突然用到了python3的map,reduce函数，按照之前python2的方式使用，结果发现结果并不是自己想要的，查询了资料之后才发现原来map，reduce和filter三个函数在python3和python2中发生了较大的差异。

首先，在类型上，python3中三者是class,返回结果变成了可迭代的对象，而在python2中，三者是内置函数，即。在python3中，得到map(或者filter,reduce)的结果，可以通过如下迭代方式：

或者直接将结果变为list,如下：

最后需要说明的是reduce函数在python3中已经不属于build-in了，而是在functools模块下，如需使用，需要从functools模块中引入。

print('在py3中执行map')
temp1=map(lambda arg:arg+100, range(7))
print(temp1)
print('在py3中z正确执行map')
temp2=list(map(lambda arg:arg+100, range(7)))
print(temp2)