1， 内置函数filter, map, reduce
和 map一样， filter将一个过滤函数作用于list。 用法：
filter(function, list)
reduce:
再看reduce的用法。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，其效果就是：
reduce(lambda x, y: x + y, [1, 3, 5, 7, 9])
reduce(lambda x, y: x + ';' + y, ['a', 'b', 'c'])
2, 内建模块 itertools
-
迭代器：
- itertools.count(1)
- itertools.cycle('ABC')
- itertools.repeat('A', 10)
- itertools.chain('ABC', 'XYZ') 串联字符串
-
groupby()
groupby()把迭代器中相邻的重复元素挑出来放在一起：for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()): print key, list(group) ... A ['A', 'a', 'a'] B ['B', 'B', 'b'] C ['c', 'C'] A ['A', 'A', 'a']
很有用的分组函数，python真的是太方便了
-
imap()
imap()和map()的区别在于：imap()可以作用于无穷序列，并且，如果两个序列的长度不一致，以短的那个为准。
-
惰性运算
map是将一个函数作用与一个序列
而imap可以将一个函数作用与多个序列for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)):
print x
...
10
40
90相当于 map(lambda x: x[0] * x[1], zip([10, 20, 30], itertools.count(1)))
不同之处在于imap()实现了“惰性计算”，也就是在需要获得结果的时候才计算。而map是直接返回一个list.
类似imap()这样能够实现惰性计算的函数就可以处理无限序列：
r = itertools.imap(lambda x: x*x, itertools.count(1))
for n in itertools.takewhile(lambda x: x<100, r): print n
由于r的imap是惰性运算， r的类型是<type 'itertools.imap'>
在第二句时才实际运算
ifilter()
ifiter ~ filter 类比与 imap ~ map， 也是惰性运算
3, python -u
4, 生成器
-
惰性运算
g = (x * x for x in range(10)) while(1): try:g.next() except StopIteration as e: break 或者 for t in g: t 但是只能取一次，取一个少一个，内存使用是固定的 yield 关键字
