一、偏函数

在函数执行时需要根据函数的要求传递相应参数，而后才可以得到所需要的计算结果。例如，现在有一个加法计算的函数，传统的调用如下：

def add(a,b,c=2):return a+b+cadd(100,200)
add(100,200,300)

此时程序根据add()函数的定义要求传入参数并实现了加法的计算，但是假设在某些操作代码中，如果add()函数中参数a和b的内容为已知固定内容，并且要根据需要动态接收参数c时，就可以利用偏函数对已有函数进行包装，从而减少函数调用时的参数传递。如果想要定义偏函数，则必须导入functools.partial模块。

下面举个偏函数例子：

from functools import partialdef add(a,b,c=2):return a + b + cplus = partial(add,100,200)
print(plus())
print(plus(20))

使用偏函数重新封装之后就可以减少函数调用时所传递的参数个数，对于一些参数较长的函数使用偏函数会降低函数的使用难度。

二、随机数

Python提供了random模块，利用此模块可以生成随机数，或者根据给定的序列数据进行随机抽取。

2.1 random()

random()随机生成一个0~1的随机浮点数。

import random
a = random.random()

2.2 uniform(x,y)

生成一个在指定范围内的随机浮点数，如果$x>y$，则生成随机数n，且n满足$y<=n<=x$。如果$x<y$，则n满足$x<=n<=y$。

import random
a = random.uniform(5,3)
b = random.uniform(3,5)

2.3 randint(x,y)

生成一个指定范围内的随机整数，$x<=n<=y$，注意这里必须x小于等于y。

import random
a = random.randint(3,5)

2.4 random.randrange(start,end,step)

从指定范围内，按照step递增数据，并从里面抽取随机数。

import random
a = random.randrange(1,6,2)

2.5 choice(sequence)

从序列中随机抽取数据。

import random
a = random.choice([1,2,3,4,5])

2.6 shuffle(x)

将一个列表中的元素打乱。

import random
a = [1,2,3,4,5]
random.shuffle(a)

2.7 sample(sequence,k)

从指定序列中随机获得指定序列分片。

import random
a = [1,2,3,4,5,6,7,8,9,10]
b = random.sample(a,3)

三、MapReduce处理

Python序列可以实现多个相关数据的存储，在很多时候对于存储在序列中的数据往往都需要进行过滤、处理以及分析操作，在数据量小的情况下，开发者可以直接使用for循环与判断的模型处理，但是在数据量较大的情况下，为了可以快速地获取数据统计结果，就可以利用Python中提供的以下三个函数来处理：

3.1 filter(function,sequence)

对传入的序列数据进行过滤；

3.2 map(function.sequence)

对传入的序列数据进行处理；

3.3 reduce(function,sequence)

对传入的序列数据进行统计；

以上三个函数往往都会与lambda函数联合使用。

​# from random import filter
# from random import map
from functools import reduce
numbers = [1,2,3,4,5,6,7,8,9]
filter_result = list(filter(lambda item: item % 2 == 0,numbers))
print("filter()函数过滤之后的列表数据：{}".format(filter_result))
map_result = list(map(lambda item: item * 2,filter_result))
print("map()函数处理之后的列表数据：{}".format(map_result))
reduce_result = reduce(lambda x,y: x+y,map_result)
print("reduce()函数处理之后的列表数据：{}".format(reduce_result))

代码输出如下所示：

filter()函数过滤之后的列表数据：[2, 4, 6, 8]
map()函数处理之后的列表数据：[4, 8, 12, 16]
reduce()函数处理之后的列表数据：40