1. lambda 表达式#
匿名函数（英语：anonymous function）是指一类无需定义标识符（函数名）的函数。通俗来说呢，就是它可以让我们的函数，可以不需要函数名。
正常情况下，我们定义一个函数，使用的是 def 关键字，而当你学会使用匿名函数后，替代 def 的是 lambda。
这边使用def 和 lambda 分别举个例子，你很快就能理解。
def mySum(x, y): return x+y mySum(2, 3) # 5 (lambda x, y: x+y)(2, 4) # 6
从上面的示例，我们可以看到匿名函数直接运行，省下了很多行的代码，有没有？
接下来，我们的仔细看一下它的用法
带 if/else
>>>( lambda x, y: x if x < y else y )( 1, 2 ) 1
嵌套函数
>>>( lambda x: ( lambda y: ( lambda z: x + y + z )( 1 ) )( 2 ) )( 3 ) 6
递归函数
>>> func = lambda n:1 if n == 0 else n * func(n-1) >>> func(5) 120
或者
f = lambda func, n: 1 if n == 0 else n * func( func, n - 1 ) f(f,4) 24
从以上示例来看，lambda 表达式和常规的函数相比，写法比较怪异，可读性相对较差。除了可以直接运行之外，好像并没有其他较为突出的功能，为什么在今天我们要介绍它呢？
首先我们要知道 lambda 是一个表达式，而不是一个语句。正因为这个特点，我们可以在一些特殊的场景中去使用它。具体是什么场景呢？接下来我们会介绍到几个非常好用的内置函数。
2. map 函数#
map 函数，它接收两个参数，第一个参数是一个函数对象（当然也可以是一个lambda表达式），第二个参数是一个序列。
它可以实现怎样的功能呢，我举个例子你就明白了。
>>> map(lambda x: x*2, [1,2,3,4,5]) [2, 4, 6, 8, 10]
可以很清楚地看到，它可以将后面序列中的每一个元素做为参数传入lambda中。
当我们不使用 map 函数时，你也许会这样子写。
mylist=[] for i in [1,2,3,4,5]: mylist.append(i*2)
3. filter 函数#
filter 函数，和 map 函数相似。同样也是接收两个参数，一个lambda 表达式，一个序列。它会遍历后面序列中每一个元素，并将其做为参数传入lambda表达式中，当表达式返回 True，则元素会被保留下来，当表达式返回 False ，则元素会被丢弃。
下面这个例子，将过滤出一个列表中小于0的元素。
>>>filter(lambda x: x < 0, range(-5, 5)) [-5, -4, -3, -2, -1]
4. reduce 函数#
reduce 函数，也是类似的。它的作用是先对序列中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 lambda 函数运算，将其得到的结果再与第四个元素进行运算，以此类推下去直到后面没有元素了。
这边举个例子你也就明白了。
>>>reduce(lambda x,y: x+y, [1,2,3,4,5]) 15
它的运算过程分解一下是这样的。
1+2=3 3+3=6 6+4+10 10+5=15
5. 注意点#
以上几个函数，熟练的掌握它们的写法，可以让我们的代码看起来更加的 Pythonic ，在某一程度上代码看起来更加的简洁。
如果你是新手呢，你需要注意的是，以上示例是在 Python2.x 环境下演示的。而在 Python3.x 中，却有所不同，你可以自己尝试一下。
这里总结一下：
第一点，map 和 filter 函数返回的都不再是一个列表，而是一个迭代器对象。这里以map为例
map_obj = map(lambda x: x*2, [1,2,3,4,5]) from collections.abc import Iterator isinstance(map_obj, Iterator) True next(map_obj) 2 list(map_obj) [4, 6, 8, 10]
第二点，reduce 不可以直接调用，而是要先导入才能使用，
from functools import reduce 
