使用python的列表解析以及函数式计算来简化代码
在我们的代码里经常会和列表，元组，字典等数据结构打交道，可以这么说，在很大程度上我们的代码就是对这些数据结构进行处理的过程，在Python中对列表，元组，字典等内置的数据结构的处理是很方便的事情，python借鉴了Lisp中的很多函数式计算的方法来处理列表，可以极大的简化我们的代码。
在我们的代码里经常会和列表，元组，字典等数据结构打交道，可以这么说，在很大程度上我们的代码就是对这些数据结构进行处理的过程，在Python中对列表，元组，字典等内置的数据结构的处理是很方便的事情，python借鉴了Lisp中的很多函数式计算的方法来处理列表，可以极大的简化我们的代码。
set() 将元组，列表 转化成没有重复项的集合
list()将集合，元组转化成列表
tuple()将集合，列表转化成元组
列表解析：[返回值 for 元素 in 列表 if 条件] 比如 [num for num in xrange(100) if num%2==0] 返回0～99之间的偶数列表
map(func,list):将list的每一个元素传递给func的函数，这个函数有一个参数，且返回一个值，map将每一次调用函数返回的值组成一个新列表返回
filter(func,list):将list的每一个元素传递给func的函数，这个函数有一个参数，返回bool类型的值，filter将返回True的元素组成新列表返回
reduce（func,list）:将list的元素，挨个取出来和下一个元素通过func计算后将结果和再下一个元素继续计算，比如
ls=[1,3,5,7]
reduce(lambda x,y:x+y,ls)
的计算过程就是 1+3=4 然后4+5得到结果9，再加7，以此类推，最后返回最终计算的结果
下面我们用实际的例子来看如何运用这几个函数
1.列表去重
如果有一个列表ls=[1,3,2,5,2,1,3,4,6]需要去掉其中重复的项，怎么做？
最简单的办法 ls=list(set(ls))
2.假如有列表：
books=[
{"name":"C#从入门到精通","price":23.7，"store":"卓越"},
{"name":"ASP.NET高级编程","price":44.5，"store":"卓越"}，
{"name":"C#从入门到精通","price":24.7,"store":"当当"},
{"name":"ASP.NET高级编程","price":45.7,"store":"当当"},
{"name":"C#从入门到精通","price":26.7,"store":"新华书店"},
{"name":"ASP.NET高级编程","price":55.7,"store":"新华书店"},
]
2.1 求《ASP.NET高级编程》价格最便宜的店：
storename=min([b for b in books if b['name']=="ASP.NET高级编程"],key=lambda b:b.price)["store"]
过程：先用列表解析取出《ASP.NET高级编程》的列表，通过min函数，比较字典的price键获取price最小的项
2.2 求在新华书店购买两本书一样一本要花的钱：
price=sum([b['price'] for b in books if b['store']=="新华书店"])
2.3 求列表中有那几本书：
booknames=list(set([b['name'] for b in books]))
2.4 列表里当当的书都打5折：
books=map(lambda b:dict(name=b['name'],price=b['price']*0.5,store=b['store']),books)
2.5 《C#从入门到精通》的平均价格：
avg=(lambda ls:sum(ls)/len(ls))([b.price for b in books if b['name']=="C#从入门到精通"])
2.6 求每本书的平均价格：
book_avg=map(lambda bookname:dict(name=bookname,avg=(lambda ls:sum(ls)/len(ls))([b.price for b in books if b['name']==bookname])),list(set([b['name'] for b in books])))
这段代码放在一行比较难看懂，但是格式化一下就很好懂了，构建的过程如下：
step1 要求每本书的平均价格，首先要得到共有几本书，方法见2.3，得到去重的书名列表
list(set([b['name'] for b in books])) #去重后的书名列表
step2 要求每一本书的均价，需要将计算均价的函数映射到每一本书上，于是
map(
#计算均价的函数，
list(set([b['name'] for b in books])) #去重后的书名列表
)
step3 加入计算单本书均价的函数，参考2.5的方法，由于只用一行，所以用lambda来搞定：
func=lambda bookname:(lambda ls:sum(ls)/len(ls))([b.price for b in books if b['name']==bookname])
step4 将计算单本均价的lambda函数加入map中，得到最终结果：
经过格式化后的结果，前面的单行代码可以格式化为下面容易阅读的形式
map(
lambda bookname:reduce(
lambda bookname:
dict(
name=bookname,
avg=(lambda ls:sum(ls)/len(ls))([b.price for b in books if b['name']==bookname])
)，
list(
set(
[b['name'] for b in books]
)
) #去重后的书名列表
)
从上面的例子我们可以看到，利用map,reduce,filter,列表解析等函数式的方法我们可以非常方便的对列表进行各种操作，包括对复合类型列表进行汇总计算等复杂操作，而且仅需要很少的代码
