### 一.map函数
需求1：num1=[1,2,3,4]，我的需求是把num1中的每个元素平方后组成新列表。
ret = []
num1 = [1,2,3,4]
for i in num1:
ret.append(i**2)
print(ret)
# 输出结果:
>>>[1, 4, 9, 16]
AI 代码解读
需求2：如果有1万个列表呢，怎么办？
思路：如果用for循环，当然功能上是没问题的，但是需要写很多重复代码，重复代码?? 顿时想到函数的特性就是避免重复代码，哈哈哈，天才也....
num1 = [1,2,3,4]
def foo(array):
ret = []
for i in array:
ret.append(i**2)
return ret
print(foo(num1))
"""
每个列表调用1次函数即可,一万个列表调用1万次foo函数就行了，不用写一万个for循环，问题解决。
"""
# 输出结果:
>>>[1, 4, 9, 16]
AI 代码解读
需求3：如果1万个列表，同时需要每个元素自加1，自减1，自乘1，自平方...？？？
思路：看到题目就在想，你是猴子派来玩我的吗？？？ 如果安装2中的方法，我去，需要一个功能一个函数，这真的可以吗？ 当然不行，这样太out了...
def add_one(x): # 定义自加一处理逻辑
return x+1
def reduce_one(x): # 定义自减一处理逻辑
return x-1
def plus_one(x): # 定义自平方处理逻辑
return x**2
def map_test(func,array):
ret = []
for i in array:
res = func(i) # 相当于 res = add_one(i)
ret.append(res)
return ret
print(map_test(add_one,[1,2,3,4]))
# 运行结果
>>>[2, 3, 4, 5]
AI 代码解读
突发奇想：3中的代码在定义处理逻辑的时候，不就是lambda的处理方式吗，可不可以使用lambda代替呢？？答案是肯定的。
def map_test(func, array):
ret = []
for i in array:
res = func(i)
ret.append(res)
return ret
print(map_test(lambda x:x+1,[1,2,3,4]))
# 输出结果
>>> [2, 3, 4, 5]
AI 代码解读
哈哈，完美了...
此时我正沉浸在胜利的喜悦中，一个声音让我一下从天堂坠入地狱...
A：这个代码好臃肿啊，一行代码能完成的事情，为什么要写成这样呢？？？
我（心想）：一行？？？吹呢吧，你要是能写，我拜你为师....
A:我告诉你吧，你的处理思维是没错的，但是Python自带的map函数完全可以替代你的上述代码，简单的很呦！！
print(map(lambda x:x+1,[1,2,3,4]))
# <map object at 0x0000000000597390> map处理后得到的结果就是一个迭代器.
print(list(map(lambda x:x+1,[1,2,3,4])))
# 运行结果
>>> [2, 3, 4, 5]
# list函数可以把可迭代的对象变成列表
"""
map函数总结：
lambda x:x+1 （第一个参数）处理逻辑，不一定必须使用lambda
[1,2,3,4] （第二个参数）要处理的可迭代对象
"""
# 把字符串中的每个元素变成大写
msg = 'abcd'
print(list(map(lambda x:x.upper(),msg)))
# 运行结果
>>> ['A', 'B', 'C', 'D']
AI 代码解读
什么也不说了，师傅，请受徒儿一拜.....,抬头望去，人了？？哎，高人就是不一样啊.....
二 .filter函数
需求1：电影院中有5个人在看电影，筛选出他们的名字前面不含sb字符的人
movie_people = ['sb_a','sb_b','sb_c','d','e']
ret = []
for p in movie_people:
if not p.startswith('sb'):
ret.append(p)
print(ret)
# 打印结果
>>> ['d', 'e']:
AI 代码解读
需求2：电影院中有5个人在看电影，筛选出他们的名字前后不含sb字符的人
movie_people = ['sb_a','sb_b','sb_c','d','e']
def sb_show(n):
return n.startswith('sb')
def show_sb(n):
return n.endstwith('sb')
def filter_test(array,func):
ret = []
for p in array:
if not func(p):
ret.append(p)
return ret
print(filter_test(movie_people,sb_show))
# 运行结果
>>> ['d', 'e']
AI 代码解读
终极版本：使用lambda代替上述代码中的show_sb和sb_show函数。
def filter_test(array,func):
ret = []
for p in array:
if not func(p):
ret.append(p)
return ret
print(filter_test(movie_people,lambda x:x.startswith('sb')))
# 运行结果
>>> ['d', 'e']
AI 代码解读
使用自带函数filter完成
movie_people = ['sb_a','sb_b','sb_c','d','e']
print(list(filter(lambda x:not x.startswith('sb'),movie_people)))
"""
filter说明：
第一个参数：处理逻辑，结果必须是一个布尔值
第二个参数：要处理的可迭代的内容
"""
AI 代码解读
三. reduce函数
reduce函数在Python2中可以直接使用，在Python3中需要引用（from functools import reduce）。
处理一个序列，然后把序列中的每个元素进行合并（相加、相乘等）操作。
实例
num_1 = [1,2,3,4]
from functools import reduce
print(reduce(lambda x,y:x+y,num_1,10))
# 运行结果
>>> 20
"""
第一个参数：处理逻辑
第二个参数：可迭代对象
第三个参数：初始值，如果有初始值，会把初始值也进行合并
"""
AI 代码解读
四.函数对照表
需求：有一个列表，筛选出age小于1000的人
思路：此需求中是要过滤age小于1000的人，三个函数中可以选择filter()
people = [
{
'name':'alex','age':1000},
{
'name':'wupeiq','age':10000},
{
'name':'linhaifeng','age':18}
]
print(list(filter(lambda x:x['age'] < 1000,people)))
# 运行结果
>>> [{
'age': 18, 'name': 'linhaifeng'}]
AI 代码解读
