map函数第一个参数是一个函数function，第二个参数是一个可迭代的对象iterable，他的功能是将可迭代对象iterable里面的每一项都应用到函数function中，然后返回一个迭代器。
网站建设哪家好，找成都创新互联！专注于网页设计、网站建设、微信开发、成都小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了弥渡免费建站欢迎大家使用！
可迭代器里面有多少个元素则结果就包含多少个元素
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
该接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判断，然后返回 True 或 False，最后将返回 True 的元素放到新列表中。
reduce() 函数会对参数序列中元素进行累积。
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。
这几个函数在 Python 里面被称为高阶函数，本文主要学习它们的用法。
filter 函数原型如下：
第一个参数是判断函数（返回结果需要是 True 或者 False），第二个为序列，该函数将对 iterable 序列依次执行 function(item) 操作，返回结果是过滤之后结果组成的序列。
简单记忆：对序列中的元素进行筛选，获取符合条件的序列。
返回结果为： ，使用 list 函数可以输入序列内容。
map 函数原型如下：
该函数运行之后生成一个 list，第一个参数是函数、第二个参数是一个或多个序列；
下述代码是一个简单的测试案例：
上述代码运行完毕，得到的结果是： 。使用 print(list(my_new_list)) 可以得到结果。
map 函数的第一个参数，可以有多个参数，当这种情况出现后，后面的第二个参数需要是多个序列。
map 函数解决的问题：
reduce 函数原型如下：
第一个参数是函数，第二个参数是序列，返回计算结果之后的值。该函数价值在于滚动计算应用于列表中的连续值。
测试代码如下：
最终的结果是 6，如果设置第三个参数为 4，可以运行代码查看结果，最后得到的结论是，第三个参数表示初始值，即累加操作初始的数值。
简单记忆：对序列内所有元素进行累计操作。
zip 函数原型如下：
zip 函数将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一样，则返回列表长度与最短的对象相同，利用星号（ * ）操作符，可以将元组解压为列表。
测试代码如下：
展示如何利用 * 操作符：
输出结果如下：
简单记忆：zip 的功能是映射多个容器的相似索引，可以方便用于来构造字典。
enumerate 函数原型如下：
参数说明：
该函数用于将一个可遍历的数据对象组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
测试代码如下：
返回结果为： 。
本文涉及的函数可以与 lambda 表达式进行结合，能大幅度提高编码效率。最好的学习资料永远是官方手册
filter 方法可以返回原始对象的子集.
例如，我们想提取分组内的和大于 3 的所有分组的元素
filter 的参数必须是一个函数，函数参数是每个分组，并且返回 True 或 False
例如，提取元素个数大于 2 的分组
另外，我们也可以过滤掉不满足条件的组，而是返回一个类似索引对象。在这个对象中，没有通过的分组的元素被 NaN 填充
对于具有多列的 DataFrames ，过滤器应明确指定一列作为过滤条件
在进行聚合或转换时，你可能想对每个分组调用一个实例方法，例如
但是，如果需要传递额外的参数时，它会变得很冗长。我们可以直接使用分派到组对象上的方法
实际上这生成了一个函数包装器，在调用时，它接受所有传递的参数，并在每个分组上进行调用。
然后，这个结果可以和 agg 和 transform 结合在一起使用
在上面的例子中，我们按照年份分组，然后对每个分组中使用 fillna 补缺失值
nlargest 和 nsmallest 可以在 Series 类型的 groupby 上使用
对分组数据的某些操作可能并不适合聚合或转换。或者说，你可能只是想让 GroupBy 来推断如何合并结果
我们可以使用 apply 函数，例如
改变返回结果的维度
在 Series 上使用 apply 类似
对于之前的示例数据
假设，我们想按 A 分组并计算组内的标准差，但是 B 列的数据我们并不关心。
如果我们的函数不能应用于某些列，则会隐式的删除这些列，所以
直接计算标准差并不会报错
可以使用分类变量进行分组，分组的顺序会按照分类变量的顺序
可以使用 pd.Grouper 控制分组，对于如下数据
可以按照一定的频率对特定列进行分组，就像重抽样一样
可以分别对列或索引进行分组
类似于 Series 和 DataFrame ，可以使用 head 和 tail 获取分组前后几行
在 Series 或 DataFrame 中可以使用 nth() 来获取第 n 个元素，也可以用于获取每个分组的某一行
如果你要选择非空项，可以使用关键字参数 dropna ，如果是 DataFrame ，需要指定为 any 或 all (类似于 DataFrame.dropna(how='any|all') )
与其他方法一样，使用 as_index=False 分组名将不会作为索引
你也可以传入一个整数列表，一次性选取多行
使用 cumcount 方法，可以查看每行在分组中出现的顺序
可以使用 ngroup() 查看分组的顺序，该顺序与 cumcount 的顺序相反。
注意 ：该顺序与迭代时的分组顺序一样，并不是第一次观测到的顺序
Python解释器内置了许多函数，这意味着我们无需定义，始终可以它们。下面按照函数的字母顺序，讨论一些常用的内建函数。
eval()
eval()函数解析传给它的表达式，并在程序中运行Python表达式(代码)。举个例子：
x = 1
eval("x + 1") # 注意："x + 1"是字符串
2
eval("4 9")
True
eval("'py' * 3")
'pypypy'
eval("10 ** 2")
100
eval()函数不仅仅能运行简单表达式，还能调用函数，使用方法等等：
eval("abs(-11)") # 计算-11的绝对值
11
eval('"hello".upper()') # 把字符串'hello'全变成大写字母
'HELLO'
import os
eval('os.getcwd()') # 获取当前的工作目录
'/home/thepythonguru'
但是需要注意的是eval()仅适用于表达式，尝试传递语句会导致语法错误：
eval('a = 1') # 赋值语句
Traceback (most recent call last):
File "", line 1, in
File "", line 1
a = 1
^
SyntaxError: invalid syntax
eval('import re') # 导入语句
Traceback (most recent call last):
File "", line 1, in
File "", line 1
import re
^
SyntaxError: invalid syntax
此外，使用eval()语句应该十分小心，永远不要将不受信任的源直接传递给eval()。 因为恶意用户很容易对您的系统造成破坏。 例如:
eval(input()) # eval()将执行用户输入的代码
用户输入以下代码就能从系统中删除所有文件：
os.system("RM -RF /")
# 上面输入相当于执行：
eval('os.system("RM -RF /")')
filter()
"filter"的意思是“过滤”，filter()函数需要两个参数：一个函数对象和一个可迭代对象。函数对象需要返回一个布尔值，并为可迭代的每个元素调用。 filter()函数仅返回那些通过函数对象返回值为true的元素。解释有一些抽象，看一个例子：
a = [1, 2, 3, 4, 5, 6]
filter(lambda x : x % 2 == 0, a) # 过滤出所有偶数，结果返回一个filter对象
filter object at 0x1036dc048
list(filter(lambda x : x % 2 == 0, a)) # 可以使用list()函数使fileter对象变成列表，方便查看结果
[2, 4, 6]
下面是另外一个例子：
dict_a = [{'name': 'python', 'points': 10}, {'name': 'java', 'points': 8}]
filter(lambda x : x['name'] == 'python', dict_a) # 过滤出列表中键'name'为值'python'的字典
filter object at 0x1036de128
tuple(filter(lambda x : x['name'] == 'python', dict_a)) # 使用tuple()函数使结果变成字典
({'name': 'python', 'points': 10},)
float()
float()的参数是一个数字或者字符串，它返回一个浮点数。如果参数是字符串，则字符串中应该包含一个数字，并可以在数字前加入一个 '-' 符号，代表负数。参数也可以是表示NaN(非数字)或正无穷大的字符串。如果没有任何参数的话，将返回0.0。
float('+1.23') # 1.23
1.23
float(' -12345\n') # -12345
-12345.0
float('1e-003') # 0.001
0.001
float('+1E6') # 10的6次幂
1000000.0
float('-Infinity') # 无穷小
-inf
float('-inf') + 100 # 负无穷小加100仍等于负无穷小
-inf
float('inf') # 无穷大
inf
float('NaN') # NaN，代表非数字
nan
关于Python的基础问题可以看下这个网页的视频教程，网页链接，希望我的回答能帮到你。
