我們會一次性分享6個堪稱神仙的內置函數。在很多計算機書籍中，它們也通常作為高階函數來介紹。而我自己在日常工作中，經常使用它們來使代碼更快，更易於理解。
Lambda函數用於創建匿名函數，即沒有名稱的函數。它只是一個錶達式，函數體比def簡單很多。當我們需要創建一個函數來執行單個操作並且可以在一行中編寫時，就可以用到匿名函數了。
lambda [arg1 [,arg2,.....argn]]:expressionlambda的主體是一個錶達式，而不是一個代碼塊。僅僅能在lambda錶達式中封裝有限的邏輯進去。例如：
lambda x: x+2如果我們也想像def定義的函數隨時調用，可以將lambda函數分配給這樣的函數對象。
add2 = lambda x: x+2
add2(10)輸出結果：
利用Lambda函數，可以將代碼簡化很多，具體再舉個例子。
如上圖所示，結果列錶newlist是使用lambda函數用一行代碼生成的。
map()函數會將一個函數映射到一個輸入列錶的所有元素上。
map(function,iterable)比如我們先創建了一個函數來返回一個大寫的輸入單詞，然後將此函數應有到列錶colors中的所有元素。
def makeupper(word):
return word.upper()
colors=['red','yellow','green','black']
colors_uppercase=list(map(makeupper,colors))
colors_uppercase輸出結果：
此外，我們還可以使用匿名函數lambda來配合map函數，這樣可以更加精簡。
colors=['red','yellow','green','black']
colors_uppercase=list(map(lambda x: x.upper(),colors))
colors_uppercase如果我們不用Map函數的話，就需要使用for循環。
如上圖所示，在實際使用中Map函數會比for循環依次列錶元素的方法快1.5倍。
當需要對一個列錶進行一些計算並返回結果時，reduce()是個非常有用的函數。舉個例子，當需要計算一個整數列錶所有元素的乘積時，即可使用reduce函數實現。[1]
它與map函數的最大的區別就是，reduce()裏的映射函數（function）接收兩個參數，而map接收一個參數。
reduce(function, iterable[, initializer])接下來我們用實例來演示reduce()的代碼執行過程。
from functools import reduce
def add(x, y) : # 兩數相加
return x + y
numbers = [1,2,3,4,5]
sum1 = reduce(add, numbers) # 計算列錶和得到結果sum1 = 15，其代碼執行過程如下方動圖所示。
結合上圖我們會看到，reduce將一個相加函數add()作用在一個列錶[1,2,3,4,5]上，映射函數接收了兩個參數，reduce()把結果繼續和列錶的下一個元素做累加計算。
此外，我們同樣可以使用匿名函數lambda來配合reduce函數，這樣可以更加精簡。
from functools import reduce
numbers = [1,2,3,4,5]
sum2 = reduce(lambda x, y: x+y, numbers)得到輸出sum2= 15，與之前結果保持一致。
需要注意：Python3.x開始
reduce()已經被移到functools模塊裏[2]，如果我們要使用，需要用from functools import reduce導入.
enumerate()函數用於將一個可遍曆的數據對象(如列錶、元組或字符串)組合為一個索引序列，同時列出數據和數據下標，一般用在for循環當中。它的語法如下所示：
enumerate(iterable, start=0)它的兩個參數，一個是序列、迭代器或其他支持迭代對象；另一個是下標起始比特置，默認情況從0開始，也可以自定義計數器的起始編號。
colors = ['red', 'yellow', 'green', 'black']
result = enumerate(colors)如果我們有一個存放colors的顏色列錶，運行後就會得到一個enumerate(枚舉) 對象。它可以直接在for循環中使用，也可以轉換為列錶，具體用法如下所示。
for count, element in result:
print(f"迭代編號:{count},對應元素:{element}")
zip()函數用於將可迭代的對象作為參數，將對象中對應的元素打包成一個個元組，然後返回由這些元組組成的列錶[3]。
我們還是用兩個列錶作為例子演示：
colors = ['red', 'yellow', 'green', 'black']
fruits = ['apple', 'pineapple', 'grapes', 'cherry']
for item in zip(colors,fruits):
print(item)輸出結果：
當我們使用zip()函數時，如果各個迭代器的元素個數不一致，則返回列錶長度與最短的對象相同。
prices =[100,50,120]
for item in zip(colors,fruits,prices):
print(item)
filter()函數用於過濾序列，過濾掉不符合條件的元素，返回由符合條件元素組成的新列錶，其語法如下所示[4]。
filter(function, iterable)比如舉個例子，我們可以先創建一個函數來判斷數據是否為奇數，然後使用filter()函數過濾出列錶中的所有奇數：
def is_odd(n):
return n % 2 == 1
old_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
new_list = filter(is_odd, old_list)
print(newlist)輸出結果：
今天分享的這6個內置函數，在使用 Python 進行數據分析或者其他複雜的自動化任務時非常方便。
[1]
書籍: 機械工業出版社-《Python編程基礎》
[2]菜鳥教程: https://www.runoob.com/python/python-func-reduce.html
[3]菜鳥教程: https://www.runoob.com/python/python-func-zip.html
[4]towardsdatascience: https://towardsdatascience.com/
