在日常的python編程中使用這幾個函數來簡化我們的編程工作，經常使用能使編程效率大大地提高。

1. Map 函數

map函數可以使用另外一個函數轉換整個可迭代對象的函數，包括將字符串轉換為數字、數字的四舍五入等等。

之所以使用map函數來完成這些事情可以節約內存，使代碼的運行速度提高，并且使用的代碼量比較少。

比如這里需要將一個字符串的數組轉換成數字的數組的形式。

使用傳統的方式來進行解析的話，使用for循環的方式就需要好幾行的代碼才能完成。

strings?=?['1',?'2',?'3',?'4']

res?=?[]

for?str_?in?strings:
????res.append(int(str_))

print(res)

#?[1,?2,?3,?4]

使用map函數直接需要一行代碼就可以完成了。

strings?=?['5',?'6',?'7',?'8']

res_map?=?map(int,?strings)

print(list(res_map))

#?[5,?6,?7,?8]

使用map(int,strings)，其中int是作為函數作為參數傳入的，而strings就是可以迭代的對象。

這里再使用一個我們自己創建的函數來轉換可序列化的數據。

初始化一個make_super函數用來將英文字符串轉換成'大寫'的字符串。

def?make_super(text):
????res_text?=?text.upper()

????return?res_text


words?=?['python',?'java',?'scala']

words_res?=?list(map(make_super,?words))

print(words_res)


#?['PYTHON',?'JAVA',?'SCALA']

使用map(make_super, words)，其中make_super是作為函數傳入的，而words作為可序列化數據。

2.?Lamdba 函數

lambda 函數用于創建匿名函數，又被稱為lambda表達式。實際上它只是一個表達式的存在，如果在代碼編寫過程中需要實現簡單的函數邏輯但是單獨寫一個函數又比較麻煩就可以使用lambda表達式只需要一行代碼就可以完成了。

比如需要實現一個簡單的加法計算，使用基本的函數來實現需要創建一個add_1函數。

def?add_1(a,?b):
????return?a?+?b

print(add_1(5,?2))

而使用lambda表達式，一行代碼就可以直接完成了，可以像下面這樣寫。

add_2?=?lambda?a,?b:?a?+?b

print(add_2(10,?10))

lambda a,b: a + b 表示a,b是作為參數，a + b是作為函數的運算邏輯被執行。

3.?Enumerate 函數

enumerate 函數一般用于可序列化數據的處理上面，而python中的可序列化數據又比較多，重要性就可想而知了。

可以使用該函數直接遍歷出一個可序列化數據的下標索引以及對應的數據。

使用一個列表數據來進行舉例說明。

words?=?['java',?'python',?'scala']

使用enumerate函數來執行一下整個遍歷，最終返回一個新的列表。

for?index,?data?in?enumerate(words):
????print(f'當前索引：{index},當前數據：{data}')

#?當前索引：0,當前數據：java
#?當前索引：1,當前數據：python
#?當前索引：2,當前數據：scala

看到返回的結果中包含了索引、數據，這樣便于數據的組織和統計，因此，將該函數也列為比較常用的函數之一。

4. Reduce 函數

reduce函數通常用于計算整個列表的邏輯運算，也就是將一個函數的運算可以添加到這個列表的每個元素上面。

'''
reduce(function,?iterable[,?initializer])
'''

比如需要計算一個列表中每個元素之間的相乘的結果，則可以這樣寫。

from?functools?import?reduce

list_?=?[10,?20,?30,?40]

print(reduce(lambda?a,?b:?a?*?b,?list_))

這里由于函數的邏輯運算比較簡單，所以使用了lambda表達式表示兩個元素相乘。

最終再使用reduce函數，它的效果相當于10 * 20 * 30 * 40，結果就是240000，和我們預想得到的計算結果是一致的。

5. Filter 函數

filter函數，從字面意思就可以看出它是過濾的意思，使用該函數可以有效的過濾掉不需要的列表中的數據元素。

'''
filter(function,?iterable)
'''

在邏輯處理中，同樣是需要一個處理函數和一個可序列化的數據。

nums?=?[1,?2,?3,?4,?5,?6,?7,?8,?9,?20]

nums_new?=?filter(lambda?m:?m?%?2?==?0,?nums)

print(list(nums_new))

#?[2,?4,?6,?8,?20]

這里我們成功過濾掉了所有的奇數數據元素，最終只留下了偶數元素。

6. Zip 函數

zip函數在多個列表的組裝過程中用到非常的多，可以同時遍歷多個列表并將相同位置的元素組合成一個元祖。

list_res?=?[]

for?n?in?zip([1,?2,?3,?4,?5],?['python',?'java',?'scala',?'c++',?'C#']):

????list_res.append(n)

print(list_res)

#?[(1,?'python'),?(2,?'java'),?(3,?'scala'),?(4,?'c++'),?(5,?'C#')]

使用zip函數時，像這樣的數據組合就可以輕松的實現。

通過觀察上述的這些操作發現基本上都是對可序列化的數據的相關操作，因為在python的編碼過程中大多數的數據處理相關的操作都是基于可序列化的數據的。