高阶函数
map( )
map()函数接收两个参数，一个是函数，一个是Iterable，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Iterator返回。（Iterator是一个可迭代对象）
再简单点说：从可迭代对象中取出第一个值，作为参数传递给x，执行函数体，作为生成对象中第一个数据，之后再第二个、第三个。。。map(）：最终返回一个可迭代对象（可迭代对象不是列表）
可迭代对象：可以通过for循环迭代出来的
例：
python
>>> def f(x):
... return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r) #相当于list([...]) ===>print(list([...]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]map(函数本身，数据)：由于结果r是Iterator惰性序列（仅仅在迭代至某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。），所以用list（）函数让把整个序列都计算出来并返回一个list
或者例二：
python
a = map(lambda x : x*x,[1,2,3,4])
print(a) #打印map()的返回
for i in a: #for遍历可迭代对象
print(i)
结果：
<map object at 0x000001EA7316BEB0> #可迭代对象的地址
1
4
9
16扩展例三：
python
b = map(lambda x,y:x+y,[1,2,3,4],[5,6,7,8])
for i in b:
print(i)
b = map(lambda x,y:x+y,[1,2,3,4],(5,6,7,8)) #证明元组也可以
for i in b:
print(i)
b = map(lambda x,y:x+y,(1,2,3,4),(5,6,7,8)) #元组也属于可迭代对象
for i in b:
print(i)
#依次传入x = 1,y = 5,x+y=6 x = 2,y = 6,x+y=8
结果：
6
8
10
12
6
8
10
12
6
8
10
12
# map(将来可以被调用的，可迭代数据)事实上它把运算规则抽象了
map()可以计算复杂的函数
python
例:
#将所有list里边的元素转换为字符
print(list(map(str,[1,2,3,4,5])))
结果：
['1', '2', '3', '4', '5']filter( )
过滤序列：
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，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。
python
例：
def is_odd(s):
return n%2==1
list(filter(is_odd,[1,2,3,4,5,6]))
结果：
>>>1,3,5或者：
python
a = filter(lambda x: x % 2, [1, 2, 3, 4])
for i in a:
print(i)
结果；
1
3reduce( )
reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算
即：以上一次执行的结果座位下一次x的值传入，如果指定了额外值，则第一次会将额外值作为x传入
注：使用前必须导入 from functools import reduce，因为方法是在这个模块里的
python
例：
from functools import reduce
a = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5])
print(a)
#计算过程：x = 1, y = 2,x+y = 3(将这个3传入下一个x)
# 即：x = 3, y = 3(列表里的3)，x+y = 6(将这个6传入下一个x)
# 即：x = 6, y = 4(列表里的4)，x+y = 10(将这个10传入下一个x)
#...
b = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 6)
print(b)
#计算过程：x = 6(额外值先传入), y = 1,x+y = 7(将这个7传入下一个x)
# 即：x = 7, y = 2(列表里的2)，x+y = 9(将这个9传入下一个x)
# 即：x = 9, y = 3(列表里的3)，x+y = 12(将这个12传入下一个x)
#...
结果：
15
21即：
python
from functools import reduce
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
python
>>> from functools import reduce
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25模块
模块：
一般而言，在python中，xxxx.py文件就是一个模块
一个模块一般只用来存贮和管理一类功能的一个文件
包
包：文件夹，用来管理和存放模块的，将功能相关的模块放在一个文件夹
**注意：**普通文件夹可以称为一个包，但是真正的包，存在__init__.py文件
导包
导包方法：
- import model_name（包名）
- import model_name（包名） as 别名（自己起）
- import model_name（包名） import 方法（前面那个包里的方法）
- from model_name（包名） import *
举例1：
python
import random #导入random包
a =random.random() #作用：获取一个[0-1)的随机数
print(a)
结果：
0.08402123649462256举例2：
python
import random as r
# random.random() #嫌每次使用random太麻烦，使用别名
a = r.random()
print(a)
结果：
0.6053232042710952举例3：
python
from random import random #只能使用random包里的random方法
a = r.random()
print(a)
结果：
0.1067221247244563举例4：
python
from random import * #可以使用random包里所有方法
a = random() #并且调用不需要加包名，直接写方法
print(a)
结果：
0.8487887772496069from model_name（包名） import * 的缺点：
- 导的包太多，浪费资源
- 如果包里没有__init__ 与 all，就无法成功导入
扩展：
如何查看包里面内容？
按住ctrl并且点击包名
如下图：
进入后会另打一个xxx.py文件
里面会有 init 与 all
__all__就是为了让你 * 出所有方法
