lambda语句块是函数的一种实现方式，称为匿名函数。在撸代码的时候，常常会想写一个函数，但是这个函数只会被调用一次，独立编写的这个函数就会十分污染环境了。lambda这个时候就发挥了作用，能够使代码更加简洁，某种程度上，一句话或者一行就实现的功能，可读性更高。
lambda经常配合内置函数map、filter和reduce出现，使用列表推广常常可以替代这些功能，且可读性更高，一般不要使用内置函数。
1、lambda语句构成
f=lambda x:x+1
f是匿名函数的名称，可以通过f来调用该函数，：左边是参数，可以有多个，右边是表达式或者返回值
表达式也可以很复杂
2、内置函数
（1）map
map是对列表进行映射，列表的元素个数不会发生改变，也可以使用列表推导来替代
map的定义为：map(func, *iterables)，第一个参数为映射规则（表达式或函数），第二个参数是需要迭代运算的元组（列表，输入函数后不可变，因此使用元组）
这里是lambda方法和列表推导两种方法，对l1列表所有元素加1，列表推导更加容易理解，可读性更高
这里加入了条件判断，lambda语句中if语句必须增加else，而列表推导则没有这个要求。
该示例中，map的参数1给的是一个函数，将s的全部字符改为小写。这其实与lambda没有本质区别，因为lambda本质也是一个函数。
（2）filter
顾名思义有，filter就是按照某种规则，筛选数据
该内置函数的定义为：filter(function or None, iterable)，与map的使用基本一样，下面给出几个样例
使用lambda筛选列表中大于2的数据，一样可以用列表推导来实现：
列表推导的可读性会更高。
（3）reduce
reduce是对输入列表的所有数据按照给定表达式进行迭代运算
reduce(function, sequence[, initial]) -> value
值得注意的是，使用reduce函数，需要从functools中导入，而map、filter则不需要。
（4）内置函数在Series、DataFrame中的引用
Series、DataFrame中使用map时只需要输入表达式，而不需要再输入列表，Series、DataFrame继承了map，下面给出一个较长的例子说明：
该案例中，d1和字典c1是已知的，d1原来有3个columns，现在要增加一个columns，也就是dd列，而dd列由集合c1根据d1的aa列的值作为键查询得到。计算时候，由于d1中有大写字母也有小写字母，因此先把字符串全部转化为小写，这个过程通过输入str.lower函数来实现。
当然，使用列表推导，一样可以实现该功能，只是可读性显示不是那么好：
在Series和DataFrame中没有找到reduce方法，这么简单介绍一下filter方法，主要是因为其like参数功能在某些场合使用起来十分方便(详细请查看Series.filter的DOC文档)。
如上，通过输入items列表可以选择指定columns的Series，构成一个新的DataFrame。
like参数允许只输入index或columns标签的部分值，axis指定在index或columns中进行查找，输出是所有满足条件的数据构成的新的DataFrame
map、reduce、filter的图片引用自：http://www.cnblogs.com/guigujun/p/6134828.html