在介绍高阶函数之前，先了解lambda 关键字的作用。

lambda 在Python 表达式内创建匿名函数，在Python中限制了 lambda 函数的定义体，只能使用纯表达式。换句话说，lambda 函数的定义体中不能赋值，也不能使用 while 和 try等 Python 语句。

lambda 匿名函数

lambda 函数的语法比较简单，形式为：lambda 参数列表: 表达式

sum = lambda x,y:x+y

sum(6+9)

filter 函数

功能： filter的功能是过滤掉序列中不符合函数条件的元素，当序列中要删减的元素可以用某些函数描述时，就应该想起filter函数。

调用： filter（function，sequence），function可以是匿名函数或者自定义函数，它会对后面的sequence序列的每个元素判定是否符合函数条件，返回True或者False，从而只留下True 的元素；sequence可以是列表、元组或者字符串。

例子：

x = [1,2,3,4,5]

list(filter(lambda x:x%2==0,x)) # 找出偶数。python3.*之后filter函数返回的不再是列表而是迭代器，所以需要用list转换。

# 输出：

[2, 4]

map 函数

功能： 求一个序列或者多个序列进行函数映射之后的值，就该想到map这个函数，它是python自带的函数，在python3.*之后返回的是迭代器，同filter，需要进行列表转换。

调用： map(function,iterable1,iterable2)，function中的参数值不一定是一个x，也可以是x和y，甚至多个；后面的iterable表示需要参与function运算中的参数值，有几个参数值就传入几个iterable。

例子：

x = [1,2,3,4,5]

y = [2,3,4,5,6]

list(map(lambda x,y:(x*y)+2,x,y))

# 输出：

[4, 8, 14, 22, 32]

reduce 函数

功能： 对一个序列进行压缩运算，得到一个值。但是reduce在python2的时候是内置函数，到了python3移到了functools模块，所以使用之前需要 from functools import reduce

调用： reduce（function，iterable），其中function必须传入两个参数，iterable可以是列表或者元组

例子：

x=[1,2,3,4,5]

from functools import reduce

reduce(lambda x,y: x+y, x)

apply 函数

功能： 是pandas中的函数，应用对象为pandas中的DataFrame或者Series。大致有两个方面的功能：一是直接对DataFrame或者Series应用函数，二是对pandas中的groupby之后的聚合对象apply函数

调用： apply(function,axis)，function表明所使用的函数，axis表明对行或者列做运算

例子：

import numpy as np

import pandas as pd

a = np.random.randint(low=0,high=4,size=(2,4))

data = pd.DataFrame(a)

data.apply(lambda x:x*10)

简而言之，filter和map都是python内置的函数，可以直接调用，reduce在functools模块，apply在pandas模块。

想知道当前程序或是进程运行到某个地方时，内存里有哪些变量，获取他们的name 列表：

dir()

删除单个变量

del x # 删除变量 x