filter(function, iterable)

作用：用于过滤序列，过滤掉不符合条件的元素。

参数：接收两个参数，第一个为函数，第二个为序列。

• function – 判断函数。
• iterable – 可迭代对象。

原理：序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，保留返回 True 的元素。

返回值：Pyhton2.x 返回列表；Python3.x 返回迭代器对象，若要转换为列表，可以使用 list() 来转换。

• Python2.x 中返回的是过滤后的列表；Python3.x 中返回到是一个 filter 类。
• filter 类实现了__iter__和 __next__方法, 可以看成是一个迭代器。

# 过滤函数
def func(n):
    return n % 2 == 1


list_1 = [i for i in range(10)]

result_1 = filter(func, list_1)
print(result_1)   # <filter object at 0x0000017A4FF67AF0> 返回一个迭代器对象
print([t for t in result_1])  # [1, 3, 5, 7, 9]

result_2 = filter(lambda x: x % 3 == 1, list_1)
print(result_2.__next__())  # 使用 __next__ 和 next()，会分别迭代出迭代器对象 result_2 的一个元素
print(next(result_2))   # 这三个输出分别是：1，4，[7]
print([t for t in result_2])

map(function, iterable1, iterable2, …)

作用：将传入的函数依次作用到序列的每个元素，并把结果返回。

参数：接收两个参数，第一个为函数，第二个为序列。

• function – 判断函数。
• iterable – 可迭代对象。

返回值：Pyhton2.x 返回列表；Python3.x 返回迭代器对象。

注意报错：TypeError: ‘map’ object is not callable 一般出现的原因是迭代对象(str，abs等)或者函数（map）被修改，不再是原来的函数，导致出现不可迭代对象。

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
def fun(x, y):
    return x + y

result_1 = map(fun, [1, 2, 3], [1, 2, 3])
print(result_1)  # <map object at 0x000001A668BBB700>
print([t for t in result_1])    # [2, 4, 6]

# 如果函数有多个参数, 但每个参数的序列元素数量不一样, 会根据最少元素的序列进行
result_2 = map(lambda x, y, z: x + y + z, [1, 2, 3], [1, 2, 3, 4], [1, 2, 3, 4, 5])
print(result_2.__next__())  # 3
print(list(result_2))   # [6, 9]

reduce(function, iterable[, initializer])

作用：对参数序列中元素进行累积。

参数：有初始参数，从初始参数开始作为第一个参数累积

• function – 函数，有两个参数
• iterable – 可迭代对象
• initializer – 可选，初始参数

原理：函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

返回值：单一结果返回值

注意：在 Python3 中，reduce() 函数已经被从全局名字空间里移除了，它现在被放置在 functools 模块里。

# reduce 函数
from functools import reduce

list_1 = [1, 2, 3]
result_1 = reduce(lambda a, b: a+b, list_1)
result_2 = reduce(lambda a, b: a+b, list_1, 100)
print(result_1)     # 6
print(result_2)     # 106