lambda表达式用于简洁定义单表达式匿名函数，配合map、filter、reduce等高阶函数可高效处理数据，如sorted(set(map(str.upper, filter(lambda w: len(w) > 3, words))))实现筛选、转换、去重、排序一行化。
lambda表达式：简洁定义匿名函数
lambda是Python中创建小型匿名函数的快捷方式，适用于只需要一次使用、逻辑简单的场景。它不使用def关键字，而是用lambda加参数列表和一个表达式构成，自动返回结果。
比如排序时按字典的某个键排序：
- students = [{'name': 'Alice', 'score': 85}, {'name': 'Bob', 'score': 92}]
- sorted(students, key=lambda x: x['score']) → 按分数升序排列
注意：lambda只能包含一个表达式，不能写语句（如if、for、赋值等），也不支持文档字符串。
map、filter、reduce：三大核心高阶函数
高阶函数指接受函数作为参数或返回函数的函数。Python内置的map、filter、reduce是最典型的代表，配合lambda可大幅简化数据处理流程。
-
map(func, iterable)：对可迭代对象每个元素应用函数，返回map对象（需转list等才能查看）
list(map(lambda x: x**2, [1, 2, 3])) → [1, 4, 9] -
filter(func, iterable)：保留使函数返回True的元素
list(filter(lambda x: x > 0, [-2, -1, 0, 1, 2])) → [1, 2] -
reduce(func, iterable)：需从functools导入，将函数累积作用于序列（如求和、连乘）
from functools import reduce
reduce(lambda x, y: x * y, [2, 3, 4]) → 24
自定义高阶函数：提升代码复用性
除了内置函数，你也可以轻松写出自己的高阶函数。关键在于把“操作逻辑”抽象成参数传入，让函数更通用。
- 例如实现一个通用的数据转换器：
def transform(data, operation):
return [operation(x) for x in data]
调用：transform([1, 2, 3], lambda x: x + 10) → [11, 12, 13] - 再比如带条件的处理：
def conditional_apply(data, condition, action):
return [action(x) if condition(x) else x for x in data]
调用：conditional_apply([1, 2, 3, 4], lambda x: x % 2 == 0, lambda x: x * 10) → [1, 20, 3, 40]
实际组合应用：一行代码处理复杂逻辑
真实开发中，lambda常与高阶函数链式配合，替代多层for循环，让意图更清晰。
- 需求：从字符串列表中筛选出长度大于3的单词，并转为大写，去重后按字母序排列
words = ['hi', 'hello', 'ok', 'python
', 'code']
sorted(set(map(str.upper, filter(lambda w: len(w) > 3, words))))
→ ['HELLO', 'PYTHON'] - 提示：这种写法适合逻辑明确、步骤不多的场景；若嵌套过深或需调试，建议拆分为变量或普通函数，兼顾可读性与功能性
', 'code']
