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

http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001415616001996f6b32d80b6454caca3d33c965a07611f000

• 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