匿名函数(lambda表达式)
在Python中，函数可以算的上是“一等公民”了，我们先回顾下函数的优点：
减少代码重复量
模块化代码
但是我们有没有想过，如果我们需要一个函数，比较简短，而且只需要使用一次（无需重复调用），那还需要定义一个有名字的函数么？
答案是否定的，这里我们就可以使用匿名函数来实现这样的功能。
我们先看看求一个数的平方，我们定义个函数怎么写：
def square(x):
return x**2square(3)
而lambda表达式就可以这样写：
square = lambda x: x**2
square(3)
根据上面的例子，其实lambda表达式使用还是很简单的，如下：
lambda argument1, argument2,.....: expression
接下来，介绍的map、filter和reduce函数，与lambda表达式结合使用，才能发挥其强大的作用了。
map函数
map函数的使用如下：
map(function, iterable)
其作用是，对iterable的每个元素，都运用function这个函数，最后返回新的可遍历的集合。
a = [1,2,3,4,5]
b = map(lambda x: x*2,a)
print(list(b))
# [2, 4, 6, 8, 10]
filter函数
filter函数的使用如下：
filter(function, iterable)
其作用是，对iterable的每个元素，都运用function这个函数进行判断，最后返回全部为True的新的可遍历的集合。
a = [1,2,3,4,5,6]
b = filter(lambda x :x%2 ==0, a)
print(list(b))
# [2, 4, 6]
reduce函数
reduce函数的使用如下：
reduce(function, iterable)
1.
function规定有两个参数，表示对iterable每个元素和上一次运算的结果，进行function运算，最后得到一个值，这里要注意，我们需要从functools中导入reduce。
from functools import reducea = [1,2,3,4]
b = reduce(lambda x,y: x*y,a)
print(b)
# 241*2*3*4
总结
lambda表达式
map、filter和reduce函数
【Python教程（几个常用的内置函数）】以上就是本次分享的全部内容，现在想要学习编程的小伙伴欢迎关注Python技术大本营，获取更多技能与教程。
文章图片
推荐阅读
- 什么是爬虫（Python爬虫框架有哪些？）
- 用 Python 提取 PDF 文本的简单方法
- PyTorch样式转移的优化过程（图解）
- PyTorch进阶（深层神经网络中的非线性边界）
- PyTorch中的MNIST图像识别数据集（带实例）
- PyTorch均方误差图解分析
- PyTorch实战（神经网络在图像识别中的实现）
- PyTorch中的损失函数实例图解
- PyTorch线性回归用法图解