python map lambda_python的四个高级函数：lambda，filter，map，apply

使得程序更加简洁，不用自定义函数

lambda关键字创建匿名函数

基本语法 lambda param__list:expression表示将param_list带入expression运算

冒号左边放原函数参数，有多个参数用逗号隔开，冒号右边放返回值

data = lambda x,y : x + y #匿名加法器

data(3,5) #典型使用

result1=map(lambda x: x*x,[y for y in range(10)]) #0~9的数字平方

result2=fliter(lambda x:x%3==0,[1,2,3,4,5,6]) #筛选1~6能被3整除的数

a=[('b',3),('a',2),('d',4),('c',1)]

sorted(a,key=lambda x:x[0]) #lambda与sorted结合，将元组a按照x[0]排序

sentence = "Welcome To Beijing!"

words = sentence.split()

lengths = map(lambda x:len(x),words) #求每个单词的长度

reduce(lambda a, b: '{}, {}'.format(a, b), [1, 2, 3, 4, 5, 6, 7, 8, 9])

filter是Python里面的过滤器，通过过滤器可以保留所需要的信息

基本语法 filter(function,iterable)

第一个参数可以是一个函数也可以是None，

如果是函数，则将第二个参数里面的每一个元素作为函数参数进行计算，把返回值为True的元素筛选出来

如果是None，则直接将第二个参数里面返回值为True的元素筛选出来

data = filter(None,[1,'存在',0,False]) #筛选非0值

序列中的每个元素作为函数参数运算得到新序列

基本语法 map(function,*iterable)

a = [1,3,5,7,9]

b = [2,4,6,8,10]

list(map(lambda x,y : x * y,a,b))

apply函数的格式为：apply(func,*args,**kwargs)

def function(a,b):

print(a,b)

apply(function,('good','better'))

apply(function,(2,3+6))

apply(function,('cai','quan'))

apply(function,('cai',),{'b':'caiquan'})

apply(function,(),{'a':'caiquan','b':'Tom'})

apply函数在pandas中处理表格数据有很大作用

#将函数应用到由各列或行形成的一维数组上。DataFrame的apply方法可以实现此功能

f=lambda x:x.max()-x.min()

#默认情况下会以列为单位，分别对列应用函数

t1=df.apply(f)

print(t1)

t2=df.apply(f,axis=1) #对行作用

print(t2)

#元素级的python函数，将函数应用到每一个元素

#将DataFrame中的各个浮点值保留两位小数

f=lambda x: '%.2f'%x

t3=df.applymap(f)

print(t3)