Python map()、filter()、reduce()等常用高阶函数

Python是一种功能强大和灵活的编程语言，而高阶函数是Python中的一种重要概念，它们经常被用于函数式编程中。高阶函数是指根据提供的函数作为参数，然后返回另一个函数的函数。Python内置了许多常用的高阶函数，其中包括map()、filter()、reduce()等等，这些函数可以大大提高代码的简洁性和可读性。下面我们就分别来了解一下它们。

map()函数可以将一个函数应用于一个序列的每个元素，并返回对应的新列表。其语法如下：

map(function, iterable, ...)

其中，参数function是一个参数列表的函数，iterable是一个或多个序列。map()函数的返回值是一个由函数处理每个元素后组成的新列表。

比如说，我们想将一个列表中的所有元素都平方，可以这样写：

lst = [1, 2, 3, 4, 5]
new_lst = map(lambda x : x ** 2, lst)
print(list(new_lst))   # [1, 4, 9, 16, 25]

该代码中，我们使用lambda表达式来定义一个函数，然后将该函数作为参数传递给map()函数。该函数的作用是对于传入的参数x，返回x的平方。map()函数将这个函数应用于列表中的每个元素，并返回一个新的列表，其中每个元素是原列表中对应元素的平方。

filter()函数根据给定的函数过滤一个序列，返回一个由符合条件的元素组成的列表。其语法如下：

filter(function, iterable)

其中，参数function是一个参数列表的函数，iterable是一个序列。filter()函数的返回值是一个列表，其中包含符合条件的元素。

例如，我们想筛选出一个列表中所有的偶数，可以这样写：

lst = [1, 2, 3, 4, 5]
new_lst = filter(lambda x : x % 2 == 0, lst)
print(list(new_lst))   # [2, 4]

该代码中，我们使用lambda表达式来定义一个函数，返回值是当传入值x是偶数时返回True。filter()函数将这个函数应用到列表中的每个元素，仅保留满足条件的元素，返回一个新的列表。

reduce()函数根据给定的函数对序列的元素进行累加，返回一个单一的值。其语法如下：

reduce(function, iterable[, initializer])

其中，参数function是一个带有两个参数的函数，iterable是一个序列。reduce()函数的返回值是所有元素被累加的结果。可选参数initializer是累加的初始值（默认为0）。

例如，我们想将一个列表中的所有元素进行累加，可以这样写：

from functools import reduce

lst = [1, 2, 3, 4, 5]
result = reduce(lambda x, y : x + y, lst)
print(result)   # 15

该代码中，我们使用lambda表达式来定义一个函数，接收两个参数x和y，返回它们的和。reduce()函数将该函数应用于列表中的每一对元素，将结果逐个累加得出一个单一的值。

在日常编程中，这些高阶函数经常被用于列表的处理和操作。利用它们，我们可以非常简单地对一个列表进行变换、筛选、累加等操作，简化了代码的复杂度，提高了程序的执行效率和可读性。