本篇将开始介绍python高阶函数map/reduce/filter的用法，更多内容请参考:Python学习指南
map/reduce
Python内建了map()和reduce()函数。
如果你读过Google的那篇大名鼎鼎的论文"MapReduce: Simplified Data Processing on Large Clusters",你就能大概明白map/reduce的概念。
我们先看map。map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。
举例说明，比如我们有一个函数f(x) = x的二次方，要把这个函数作用在一个list[1,2,3,4,5,6,7,8,9]上，就可以用map()实现如下：
现在，我们用python代码实现：
def f(x):
return x * x
>>>map(f, [1,2,3,4,5,6,7,8,9])
[1,4,9,16,25,36,49,64,81]
map()传入的第一个蚕食是f，即函数对象本身。
你可能会想，不需要map()函数，写一个循环，也可以计算结果：
L = []
for n in [1,2,3,4,5,6,7,8,9]:
L.append(f(n))
print L
的确可以，但是，从上面的循环代码，能一眼看明白"把f(x)作用在list的每一个元素并把结果生成一个新的list"吗？
所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x) = x的二次方，还可以计算呢任意复杂的函数，比如，把这个list所有数字转化为字符串：
>>>map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[\'1\', \'2\', \'3\', \'4\', \'5\', \'6\', \'7\', \'8\', \'9\']
只需要一行代码。
再看reduce的用法。reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
比如说对一个序列求和，就可以用reduce实现：
def add(x, y):
return x + y
>>>reduce(add, [1, 3, 5, 7, 9])
25
当然求和运算可以直接用Python内建函数sum(),没必要动用reduce。
但是如果要把序列[1, 3, 5, 7, 9]变成整数13579，reduce就可以派上用场：
def fn(x, y):
return x * 10 + y
>>>reduce(fn, [1, 3, 5, 7, 9])
13579
这个例子本身没多大用处，但是，如果考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()函数，我们就可以写出把str转换为int的函数：
def fn(x, y):
return x * 10 + y
def char2num(s):
return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
>>>reduce(fn, map(char2num, \'13579\'))
13579
整理成一个str2int的函数就是：
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
return reduce(fn, map(char2num, s))
还可以用lambda函数进一步简化成：
def char2num(s):
return {\'0\': 0, \'1\': 1, \'2\': 2, \'3\': 3, \'4\': 4, \'5\': 5, \'6\': 6, \'7\': 7, \'8\': 8, \'9\': 9}[s]
def str2int(s):
return reduce(lambda x,y: x*10+y, map(char2num, s))
也就是说，假设Python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码！
filter
Python内建的filter()函数用于过滤序列。
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用与每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
例如，在一个list中，删掉偶数，只保留奇数，可以这么写：
def is_odd(n):
return n % 2 == 1
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉，可以这么写：
def not_empty(s):
return s and s.strip()
filter(not_empty, [\'A\', \'\', \'B\', None, \'C\', \' \'])
# 结果: [\'A\', \'B\', \'C\']
可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。