### Python函数式编程lambda、map和filter的实用指南

#### 1. lambda函数

lambda用于创建匿名函数，适用于简单的单行函数定义。

基本语法：`lambda 参数: 表达式`

示例：

```python

# 平方计算

square = lambda x: x 2

print(square(5)) # 输出: 25

# 多参数运算

add = lambda a, b: a + b

print(add(3, 7)) # 输出: 10

```

典型场景：

- 临时函数：作为参数传递给高阶函数

- 简单运算：替代单行`def`定义

#### 2. map函数

map对可迭代对象的所有元素应用指定函数，返回迭代器。

基本语法：`map(函数, 可迭代对象)`

示例：

```python

# 转换为大写

words = [hello, world]

upper_words = list(map(str.upper, words))

print(upper_words) # 输出: ['HELLO', 'WORLD']

# 配合lambda使用

numbers = [1, 2, 3, 4]

squared = list(map(lambda x: x2, numbers))

print(squared) # 输出: [1, 4, 9, 16]

```

典型场景：

- 数据转换：批量处理列表元素

- 类型转换：将字符串列表转为数字列表

#### 3. filter函数

filter根据条件筛选可迭代对象中的元素，返回迭代器。

基本语法：`filter(判断函数, 可迭代对象)`

示例：

```python

# 筛选偶数

numbers = [1, 2, 3, 4, 5, 6]

evens = list(filter(lambda x: x % 2 == 0, numbers))

print(evens) # 输出: [2, 4, 6]

# 筛选非空字符串

words = [, hello, , world]

non_empty = list(filter(None, words))

print(non_empty) # 输出: ['hello', 'world']

```

典型场景：

- 数据清洗：移除无效数据

- 条件筛选：提取符合特定条件的元素

#### 4. 组合使用

三种工具可组合实现复杂数据处理：

示例：

```python

# 计算正整数的平方

numbers = [-3, -2, 0, 1, 5, -1]

result = list(map(

lambda x: x2,

filter(lambda x: x > 0, numbers)

))

print(result) # 输出: [1, 25]

```

#### 5. 注意事项

1. 返回值类型：map和filter返回迭代器，需用list()转换

2. 可读性：复杂逻辑建议使用列表推导式或常规函数

3. 性能考虑：大数据量时迭代器可节省内存

#### 6. 替代方案

- 列表推导式：`[x2 for x in numbers if x > 0]`

- 生成器表达式：`(x2 for x in numbers if x > 0)`

通过灵活运用lambda、map和filter，可以编写出简洁高效的函数式代码，特别适合数据转换和筛选场景。