（作者：陈玓玏）
一、列表推导式
列表推导式，故名思义，是一种很方便地快速生成列表各项的方法，而且是基于一定的可推导、可迭代的逻辑。说得简单一些，就是简化可以用for语句和if语句组合产生列表的句子。举个栗子：
for i in listA:
for j in listB:
if i!=j:
listC.append([i,j])这种操作是很常见的，这样的句子多了以后，自然代码就长了。那么用列表推导式就很简单了：
[[i,j] for i in listA for j in listB if i!=j]这样一行就能把前面的功能实现了。列表推导式也可以嵌套写，这里就不赘述了。但是列表推导式既然是生成列表，那么像递归生成一个最终结果的案例就不能用这种方法了，虽然递归常常也会包含for循环，存在推导关系。
二、lambda匿名函数
匿名函数之所以会被称为匿名函数，就是因为它虽然是函数对象，但是它与我们平时所定义的函数对象不一样，因为它是单个表达式的不具备名称的函数，你可以把你定义的lambda表达式赋值给任意一个名称的函数，然后像正常函数一样使用，也可以在各中对象的方法中使用它，那么此时匿名函数默认的输入对象就会是这个对象。
下面看两个最经典的例子：
#示例1：对于data这个DataFrame对象中的每个值，会进行判断，命中条件则执行倍乘
import pandas as pd
data = pd.Dataframe(dictA,index=listA,columns=listB)
data = data.apply(lambda x:x*2 if x<10)
#示例2：对于非DataFrame对象，比如字典，根据字典的key对字典项进行排序
dictA = dictA.sort(dictA.items,key=(lambda x:x[0])三、lambda与map、filter等函数一起使用
1、filter函数：
filter函数的功能是过滤掉不需要的信息，filter中传入的两个参数，第一个参数是过滤的条件，第二个参数是需要进行过滤的对象。比如下面的这个例子，实现的就是从0到99的等差列表中过滤出所有大于50的数，构成一个新的列表。使用lambda函数能够避免新定义一个只需要用一次的函数，使代码更简洁灵活。
x = lambda x:x if x>50 else 0
a = filter(x,range(0,100))
print(list(a))当然，在DataFrame对象中，实现条件过滤更加简单，直接在数据框对象中写条件即可，连lambda函数都可以省了。
2、map函数：
map函数的主要功能是实现映射，比如需要对一个列表中的每个分量求平方。下面给出例子：
#lambda和map一起用：
print(list(map(lambda x:x*x, [1,2,3,4,5])))不过这个功能直接用列表推导式和生成器也能很方便地实现，而且效率也很高。
3、zip函数：
zip函数是用来打包的，用在for循环中也非常有用，可以做多变量的并行遍历。
a = list(map(lambda x:x*x, [1,2,3,4,5]))
b = list(map(lambda x:x-1, [1,2,3,4,5]))
zipped = zip(a,b) #打包两个元素
for (i,j) in zipped:
print((i,j))
zip = zip(*zipped) #解压缩元素，这个如果放在for循环之前，就会报错，因为zip是zipped的浅复制，解压后zipped也恢复了
print(list(zip))之后有时间再把生成器和列表推导式的区别整理一下。生成器基本和列表推导式类似，只是一个用[]框起来，一个是用()框起来。