Higher-order Functions and Lambda Function

在 Python 中，有幾個常用的「高階函數（Higher-order Functions）」可用於以簡潔方式處理資料集合。這些函數通常搭配 Lambda（匿名函數）使用，能夠提升程式的表達力與可讀性。

---

一、Lambda 函式（匿名函數）

Lambda 是一種不需命名即可定義的簡單函式，常用於一次性處理資料。

語法：

lambda 參數: 運算式

範例：

square = lambda x: x ** 2
print(square(5))  # 輸出 25

---

二、map()

map() 對序列中每個元素套用指定函式，並回傳新的可迭代物件。

語法：

map(function, iterable)

範例：

nums = [1, 2, 3, 4]
squares = list(map(lambda x: x ** 2, nums))
print(squares)  # [1, 4, 9, 16]

---

三、filter()

filter() 用來篩選符合條件的元素。

語法：

filter(function, iterable)

範例：

nums = [1, 2, 3, 4, 5]
evens = list(filter(lambda x: x % 2 == 0, nums))
print(evens)  # [2, 4]

---

四、reduce()

reduce() 將序列中的元素依序合併為單一值，需搭配 functools 使用。

語法：

from functools import reduce
reduce(function, iterable)

範例：

from functools import reduce
nums = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, nums)
print(product)  # 24

---

五、常見用途比較

函數	功能說明	適合情境
lambda	建立簡單函式（不具名）	適合短小運算如 lambda x: x+1
map	元素逐一轉換	對列表資料進行函式套用
filter	條件篩選	擷取符合條件的項目
reduce	累積處理（如總和、乘積）	對所有資料進行彙總（如加總、乘積）

---

這些高階函數可與 Python 的列表推導式或資料分析工具（如 Pandas）搭配使用，在保留程式簡潔性的同時，也能強化程式邏輯的表達力。