python lambda

匿名函数和lambda：

lambda [args1,[args2]] : expression

python 使用lambda来创建匿名函数，匿名函数不需要以标准的方式进行创建，但是作为函数，它们也能有参数，一个完整的lambad语句代表了一个表达式，这个表达式的定义体和声明体必须在同一行。

1. 参数是可选的

lambda : True

在上面的例子中，没有使用参数创建了一个函数对象，但是在程序中没有在任何地方保存它也没有调用它，这个函数对象的引用计数在函数创建的时候被设置为True，但是因为没有引用被保存下来计数很快就会到0,然后被垃圾回收机制回收。针对于这种情况lambda最好使用在不需要多次调用的函数定义上

true = lambda: True

true()   # 会输出True

2. 使用参数构建lambda

def add(x, y): return x + y
lambda x,y: x+y

上面定义的两个函数计算效果是等价的。

3. 函数式编程的几个常用函数filter map reduce

1. filter(func, seq) 调用一个布尔函数，func用来迭代遍历每个seq中的元素，返回一个使func返回值为true的元素的序列

 data = [1, 2, 3, 4, 5, 6, 7, 8]

 def testFilter():
     result = filter(lambda x:x%2, data)
     for eachitem in result:
         print(eachitem)

 if __name__ == "__main__":
     testFilter()

上面的例子查找返回集合中奇数的列表，

针对与filter函数的效果其实有一种更好的方式，列表表达式

 data = [1, 2, 3, 4, 5, 6, 7, 8]

 def testFilter():
     print([item for item in data if item % 2])

2. map内建函数和filter相似，都是通过函数来处理序列，但是不像filter，map将函数调用映射到序列的每个元素上，并返回一个函数所有返回值的列表。

 data = [1, 2, 3, 4, 5, 6, 7, 8]

 def testmap():
     result = map(lambda x: x**2, data)
     for item in result:
         print(item)

 def testmap2():
     result = map(lambda x,y:x+y,data[:3],data[4:])
     for item in result:
         print(item)

 if __name__ == "__main__":
     testmap()
     testmap2()

上面的代码要注意一点：如果map函数中传入的func有一个参数，那么在map传入的一个序列，如果map函数中传入的func有多个参数，那么传入的序列个数为相应的个数，并且在同时将每一个序列中相应的位置的元素一同传入到func中。将所有的返回值组成列表。

3. reduce 使用一个二元函数（接收两个值作为输入，一个输出），一个序列和一个可选的初始化器。

函数通过取出序列的头俩个值传入func中计算，将计算结果返回，和序列的下一个元素一起作为参数传递到func中，直到遍历所有的元素之后返回一个单一的值。

　　reduce(func,(1,2,3)) == func(func(1,2),3)

 from functools import reduce
 data = [1, 2, 3, 4, 5, 6, 7, 8]

 def testreduce():
     result = reduce(lambda x,y: x + y, data)
     print(result)

 if __name__ == "__main__":
     testreduce()

注意在python3之后reduce不再是内建函数而是改在functools中了。