函数式编程就是对一个序列应用一些函数工具。在Python中，reduce、map、filter都是函数式编程工具。
一、lambda表达式
lambda只是一个表达式，函数体比def简单很多。
lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。
例子1：定义了一个lambda表达式，求三个数的和。 
例子2：用lambda表达式求n的阶乘。 
二、map函数
map函数应用于每一个可迭代的项，返回的是一个结果list。如果有其他的可迭代参数传进来，map函数则会把每一个参数都以相应的处理函数进行迭代处理。map函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。
格式
map(func, seq1[, seq2...] )map可以使用任何的lambda函数操作，本质上是把原有的list根据lambda法则变成另外一个list，例子如下：
l = [1,2,3]
new_list = list(map(lambda i: i+1, l))
print(new_list)
# Py3里，外面需要套个list：这是为了让里面的值给显示出来，要不然你会得到这是个map函数而不是里面的值。Py2的童鞋不需要
# 我们也可以把两个数组搞成一个单独的数组
l2 = [4,5,6]
new_list = list(map(lambda x,y: x+y, l, l2))
print(new_list)三、reduce函数
reduce函数也是Python内置的一个高阶函数。在python 3.0.0以后, reduce已经不在built-in function里了, 要用它就得在文件开头写入
from functools import reducereduce函数接收的参数和map类似，一个函数f，一个list，但行为和 map不同：reduce传入的函数 f ，必须接收两个参数，reduce对list的每个元素反复调用函数f，并返回最终结果值。
例如，编写一个f函数，接收x和y，返回x和y的和：
def f(x, y):
return x + y调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：
先计算头两个元素：f(1, 3)，结果为4；
再把结果和第3个元素计算：f(4, 5)，结果为9；
再把结果和第4个元素计算：f(9, 7)，结果为16；
再把结果和第5个元素计算：f(16, 9)，结果为25；
由于没有更多的元素了，计算结束，返回结果25。
上述计算实际上是对list的所有元素求和。虽然Python内置了求和函数sum()，但是利用reduce求和也很简单。
reduce还可以接收第3个可选参数，作为计算的初始值。
如果把初始值设为100，计算：
reduce(f, [1, 3, 5, 7, 9], 100)结果将变为125，因为第一轮计算是：计算初始值和第一个元素：f(100, 1)，结果为101。
四、filter函数
filter函数可以对序列做过滤处理，就是说可以使用一个自定义的函数过滤一个序列，把序列的每一项传到自定义的过滤函数里处理，并返回结果做过滤。最终一次性返回过滤后的结果。 和map类似，filter也接收一个函数和一个序列。和map不同的时，filter把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
语法
filter(func, seq)例子
l = [100, 20, 24, 50, 110]
new = list(filter(lambda x: x<50, l))
#py3得套个list来转化，便于打印出来
print(new)熟练运用以上三个玩意儿，你就可以一行写出几乎所有的复杂计算了。