map（），filter（）和reduce（）是Python的内置函数。这些功能启用了Python的功能编程方面。在函数式编程中，传递的参数是决定输出的唯一因素。这些功能可以将任何其他功能用作参数，也可以提供给其他功能作为参数。现在让我们更深入地研究这些功能。
map（）函数：
map（）函数是一种高阶函数。如前所述，此函数将另一个函数与一个可迭代序列一起作为参数，并在将该函数应用于序列中存在的每个可迭代序列之后返回输出。其语法如下：
句法：
地图（函数，可迭代）
在此，函数定义了一个表达式，该表达式又应用于可迭代对象。map函数可以将用户定义的函数以及lambda函数作为参数。
在以下范围内使用用户定义的函数和Lambda函数：
map（）中的用户定义函数：
map（）函数可以将用户定义的函数作为参数。这些功能的参数由用户或程序员专门设置。例如：
例子：
def newfunc(a):
return a*a
x = map(newfunc, (1,2,3,4)) #x is the map object
print(x)
print(set(x))
输出：
<位于0x00000284B9AEADD8的地图对象>
{16, 1, 4, 9}
如您所见，x是一个地图对象。下一部分输出显示以newfunc（）作为参数的map函数，然后将a * a应用于所有可迭代对象。结果，所有可迭代变量的值将自身相乘并返回。
注意：输出不是按可迭代的值的顺序，因为我使用过set（）函数。您还可以使用list（）或tuple（）函数，例如：
例子：
def newfunc(a):
return a*a
x = map(newfunc, (1,2,3,4)) #x is the map object
print(x)
print(list(x))
输出：
<位于0x00000284B9AEA940的地图对象>
[1, 4, 9, 16]
您还可以传递多个参数列表。例如：
例子：
def func(a, b):
return a + b
a = map(func, [2, 4, 5], [1,2,3])
print(a)
print(tuple(a))
输出：
<位于0x00000284B9BA1E80的地图对象>
(3, 6, 8)
现在让我们看看如何在map（）函数中使用lambda函数。
map（）中的Lambda函数：
Lambda函数是具有任何名称的函数。这些功能通常作为参数提供给其他功能。现在让我们尝试将lambda函数嵌入map（）函数中。考虑以下示例：
例子：
tup= (5, 7, 22, 97, 54, 62, 77, 23, 73, 61)
newtuple = tuple(map(lambda x: x+3 , tup))
print(newtuple)
输出：
(8, 10, 25, 100, 57, 65, 80, 26, 76, 64)
上面的输出是将lambda表达式（x + 3）应用于元组中存在的每个项目的结果。
filter（）函数：
filter（）函数用于创建由值组成的输出列表，该值针对该值返回true。它的语法如下：
句法：
过滤器（函数，可迭代）
就像map（）一样，可以使用此函数，也可以将用户定义的函数以及lambda函数用作参数。
例子：
def func(x):
if x>=3:
return x
y = filter(func, (1,2,3,4))
print(y)
print(list(y))
输出：
<位于0x00000284B9BBCC50的过滤器对象>
[3, 4]
如您所见，y是过滤器对象，并且列表是条件（x> = 3）正确的值的列表。
在filter（）中使用lambda：
用作参数的lambda函数实际上定义了要检查的条件。例如：
例子：
y = filter(lambda x: (x>=3), (1,2,3,4))
print(list(y))
输出：
[3，4]
上面的代码产生的输出与以前的函数相同。
reduce（）函数：
顾名思义，reduce（）函数将给定函数应用于可迭代对象并返回单个值。
该函数的语法如下：
句法：
减少（函数，可迭代）
此处的函数定义了需要将哪些表达式应用于可迭代对象。此功能需要从functools模块导入。例如：
例子：
from functools import reduce
reduce(lambda a,b: a+b,[23,21,45,98])
输出： 187
在上面的示例中，reduce函数连续添加列表中存在的每个可迭代对象，并返回单个输出。
Python中的map（），filter（）和reduce（）函数可以一起使用。
一起使用map（），filter（）和reduce（）函数：
执行此操作时，首先会解析内部函数，然后外部函数将对内部函数的输出进行操作。
让我们首先尝试将filter（）函数作为参数传递给map（）函数。
在map（）中使用filter（）：
下面给出的代码首先检查条件（x> = 3）对于可迭代对象是否为真。然后，使用map（）函数映射输出。
例子：
c = map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4)))
print(list(c))
输出： [6，8]
如果从给定的元组中滤除大于或等于3的整数，则结果为[3,4]。然后，如果使用（x + x）条件映射此条件，则将获得[6,8]，即输出。
在filter（）中使用map（）：
当您在filter（）函数中使用map（）函数时，可迭代对象首先由map函数进行操作，然后将filter（）的条件应用于它们。
例子：
c = filter(lambda x: (x>=3),map(lambda x:x+x, (1,2,3,4))) #lambda x: (x>=3)
print(list(c))
输出： [ 4、6、8 ]
在reduce（）中使用map（）和filter（）：
内部函数的输出根据提供给reduce（）函数的条件而减少。
例子：
d = reduce(lambda x,y: x+y,map(lambda x:x+x,filter(lambda x: (x>=3), (1,2,3,4))))
print(d)
输出： 14
输出是[6,8]的结果，它是内部map（）和filter（）函数的结果。
通俗的说..都是用在一堆数据(比如一个列表)上..
map是用同样方法把所有数据都改成别的..字面意思是映射..
比如把列表的每个数都换成其平方..
reduce是用某种方法依次把所有数据丢进去最后得到一个结果..字面意思是化简..
比如计算一个列表所有数的和的过程,就是维持一个部分和然后依次把每个数加进去..
filter是筛选出其中满足某个条件的那些数据..字面意思是过滤..
比如挑出列表中所有奇数..
>>> map(lambda x:x*x,[0,1,2,3,4,5,6])
[0, 1, 4, 9, 16, 25, 36]
>>> reduce(lambda x,y:x+y,[0,1,2,3,4,5,6])
21
>>> filter(lambda x:x&1,[0,1,2,3,4,5,6])
[1, 3, 5]
嘛..如果题主这么问是因为觉得有点混淆想要区分的话..
简单来讲..都是处理一堆数据..然后看输出数据的数量..
原先有多少map完后还是有多少..
原先不管有多少reduce后都只剩一个结果..
filter完则是原先的一部分,也许全都还在,也许全都没了,反正个数不定..但是剩下的那些也都是原先有的..
说白了，就是函数也可以作为另一个函数的参数。这里 cook，isVegetarian，eat都是函数，它们分别用作map, filter，reduce函数的参数。