Map，Filter 和 Reduce 三个函数能为函数式编程提供便利。我们会通过实例⼀个⼀个讨论并理解它们。
1、lambda表达式
lambda表达式是⼀⾏函数。
它们在其他语⾔中也被称为匿名函数。如果你不想在程序中对⼀个函数使⽤两次，你也许会想⽤lambda表达式，它们和普通的函数完全⼀样。
原型：
lambda 参数:操作(参数)
例⼦：
add = lambda x, y: x + y
print(add(4, 6))
# Output: 10
这还有⼀些lambda表达式的应⽤案例，可以在⼀些特殊情况下使⽤：
列表排序：
a = [(1, 2), (4, 1), (9, 10), (13, -3)]
a.sort(key=lambda x: x[1])
print(a)
# Output: [(13, -3), (4, 1), (1, 2), (9, 10)]
2、Map
规范:
map(function_to_apply, list_of_inputs)
⼤多数时候，我们要把列表中所有元素⼀个个地传递给⼀个函数，并收集输出。⽐⽅说：
items = [1, 2, 3, 4, 5]
squared = []
for i in items:
squared.append(i**2)
Map可以让我们⽤⼀种简单⽽漂亮得多的⽅式来实现。就是这样：
items = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, items))
3、Filter
顾名思义，filter过滤列表中的元素，并且返回⼀个由所有符合要求的元素所构成的列表，符合要求即函数映射到该元素时返回值为True. 这⾥是⼀个简短的例⼦：
number_list = range(-5, 5)
less_than_zero = list(filter(lambda x: x < 0, number_list))
print(less_than_zero)
# Output: [-5, -4, -3, -2, -1]
这个filter类似于⼀个for循环，但它是⼀个内置函数，并且更快。
注意：如果map和filter对你来说看起来并不优雅的话，采用列表/字典/元组推导式，可读性更好。
4、Reduce
当需要对⼀个列表进⾏⼀些计算并返回结果时，Reduce 是个⾮常有⽤的函数。举个例⼦，当你需要计算⼀个整数列表的乘积时。通常在 python 中你可能会使⽤基本的 for 循环来完成这个任务。
现在我们来试试 reduce：
from functools import reduce
product = reduce( (lambda x, y: x * y), [1, 2, 3, 4] )
# Output: 24
摘自：《python进阶》