# 1. 一个参数

def map_func(x):

    res = x**2

    return res

a1 = map(map_func, [1,2,3]) #直接返回的是object，例如 <map object at 0x000001FEF3457438>

print(a1)

print(list(a1))   #强制转换：[1, 4, 9]

a2 = map(map_func, (1,2,3))

print(a2)

# 2. 两个参数

def map_func_2(x,y):

    res = x+y

    return res

a3 = map(map_func_2, [1,2,3],[1,2,3]) #同时从两个序列中取出相同位置的元素，进行运算；但是两个参数不同长度时会报错

print(a3)

print(list(a3))  # 输出为：[2, 4, 6]

# 4. 典型应用：int等类型函数

a4 = map(int, [1.5,2.1,3.0]) #同时从两个序列中取出相同位置的元素，进行运算；但是两个参数不同长度时会报错

print(list(a4))  #输出：[1, 2, 3]

a5 = map(int, '')  #将字符串元素变成整数

print(list(a5))  #输出：[1, 2, 3, 0, 6]

# 5. 使用lambda函数，x为参数，x**2属于lambda表达式的返回值

a6 = map(lambda x: x ** 2, [1, 2, 3])

print(a6)

print(list(a6))  # 输出：[1, 4, 9]

from functools import reduce

def add_2(x, y):

    return x+y

a7 = reduce(add_2, [1,2,3])  #得到的是一个值，依次执行add_2(1,2)，对结果和3执行add_2(add_2(1,2),3)，有点类似递归运算

print(a7)  #输出为:6

# lambda函数使用， x,y为参数，x+y为lambda表达式的返回值

a8 = reduce(lambda x, y: x+y, [1,2,3])  #得到的是一个值，先调用参数1,2，然后对结果和3继续使用

print(a8) #输出为:6

# 减少矩阵维度

import numpy as np

tmp = np.mat([[1,2,3],[4,5,6],[7,8,9]])

print(tmp)

#    输出为：

#    [[1 2 3]

#     [4 5 6]

#     [7 8 9]]

a9 = reduce(lambda x,y: x+y, tmp)  #实际是：首先[1,2,3]+[4,5,6] = [5,7,9];然后[5,7,9] + [7,8,9] = [12,15,18]

print(a9)  # 输出：[[12 15 18]]，是(1,3)的矩阵