先重温一下迭代(Iteration)、迭代器对象(iterable)、迭代器(iterator )的概念：

Iteration是计算机科学的通用术语，它是指对一组元素执行一项操作，一次执行一个元素。一个很好的例子是循环 - 它适用于每个单独的项目，直到整个项目集运行完毕为止。

Iterable是可以遍历的对象(译者注：在Python中所有东西都是object, 比如说变量，容器，类)，iterable是可以产生iterator的object。

iterator是表示数据流的对象，它一次返回一个元素的数据。它还会记住其在迭代过程中的位置。本质上，它控制应如何迭代可迭代对象。

map()的用法
map()函数以迭代的方式将提供的功能应用于每个项目，结果是作为迭代器的map对象。语法：
map(func, *iterables)
如果没有map()，我们将不得不编写复杂的代码以在多个项目上“循环”给定的函数。以一个整洁的小实验为例：我们有一个10个单词的列表。
test_list = ["effort", "circle", "yearly", "woolen", "accept", "lurker",
"island", "faucet", "glossy", "evader"]
我们怀疑其中一些可能是abcderian(按字母顺序出现的)。我们编写一个函数is_abecedarian来检查给定的单词是否为abcderian：
def is_abecedarian(input_word):
index = 0
for letter in input_word[0:-1]:
if ord(input_word[index]) > ord(input_word[index + 1]):
return False
else:
index += 1
return True
现在，我们想将函数应用于单词列表，并创建一个将包含True和False值的新列表，以表明某些单词是否确实是abcderian。
下面方法涉及初始化一个新列表，然后使用for循环遍历列表元素：
value_list = []
for item in test_list:
value = is_abecedarian(item)
value_list.append(value)
输出：
[True, False, False, False, True, False, False, False, True, False]
如果用map()，我们可以将上面的代码简化为一个简洁的小代码：
map(is_abecedarian, test_list)
请注意map()不会返回列表，而是返回一个map对象。
译者注：map()函数在python2中返回的是列表。
你可能很好奇哪个词实际上是abcderian的字母-让我们编写这个问题的答案：
for item in test_list:
if is_abecedarian(item):
print(f"The word '{item}' is abecedarian. :)")
else:
print(f"The word '{item}' is not abecedarian. (")
输出：
The word 'effort' is abecedarian. :)
The word 'circle' is not abecedarian.
The word 'yearly' is not abecedarian.
The word 'woolen' is not abecedarian.
The word 'accept' is abecedarian. :)
The word 'lurker' is not abecedarian.
The word 'island' is not abecedarian.
The word 'faucet' is not abecedarian.
The word 'glossy' is abecedarian. :)
The word 'evader' is not abecedarian.
我们还可以用可视化的方式形象地解释，以帮助您更好地理解它：

这张图也有助于定义 map 和mapping-我们可以使用Allen B. Downey在他的《Think Python》书中提供的定义：
映射操作(map)：一种遍历一个序列并对每个元素执行操作的处理模式。
映射(mapping)：一个集合中的每个元素对应另一个集合中的一个元素的关系
将map()转换为列表，元组和集合
由于map()不返回列表/元组/集合，因此我们需要采取额外的步骤来转换生成的map对象：
def capitalize_word(input_word):
return input_word.capitalize()
map_object = map(capitalize_word, ['strength', 'agility', 'intelligence'])
test_list = list(map_object)
print(test_list)
map_object = map(capitalize_word, ['health', 'mana', 'gold'])
test_set = set(map_object)
print(test_set)
map_object = map(capitalize_word, ['armor', 'weapon', 'spell'])
test_tuple = tuple(map_object)
print(test_tuple)
输出：
['Strength', 'Agility', 'Intelligence']
{'Mana', 'Health', 'Gold'}
('Armor', 'Weapon', 'Spell')
将map()与Lambda表达式结合

Lambda表达式是对我们的工具库的一个很好的补充：将Lambda表达式与map()代码相结合可使您的Python程序更小，更精确。
Lambda表达式可以创建匿名函数，即未约定特定标识符的函数。相反，通过def关键字创建函数会将函数绑定到其唯一标识符(例如def my_function创建标识符my_function)。
但是，lambda表达式也有一系列限制：它们每个只能做一件事情，只能在一个地方使用，通常与其他功能结合使用。我们看看lambda表达式如何map()同时使用：
cities = ["caracas", "bern", "oslo", "ottawa", "bangkok"]
def capitalize_word(input_word):
return input_word.capitalize()
capitalized_cities = map(capitalize_word, cities)
更简洁的版本：
cities = ["caracas", "bern", "oslo", "ottawa", "bangkok"]
capitalized_cities = map(lambda s: s.capitalize(), cities)
需要注意：map()和lambda表达式提供了凝聚多行代码成一行的能力。
尽管此功能非常出色，但我们需要牢记编程的黄金法则之一：代码读取比写入更频繁。这意味着map()和lambda表达式都可以提高代码的简洁性，但是却牺牲了代码的清晰度。遗憾的是，对于代码的可读性，实际上并没有明确的指导方针- 随着编程经验的增长，大家将逐渐明白这一点。
使用map()遍历字典
map()也非常适合遍历字典
假设有一个包含苹果，梨和樱桃价格的字典，我们需要通过应用15％的折扣来更新价格表。方法如下：
price_list = {
"pear": 0.60,
"cherries": 0.90,
"apple": 0.35,
}
def calulates_discount(item_price):
return (item_price[0], round(item_price[1] * 0.85, 2))
new_price_list = dict(map(calulates_discount, price_list.items()))
输出：
{'pear': 0.51, 'cherries': 0.77, 'apple': 0.3}
将map()与Lambda表达式组合遍历字典
当开始组合多个功能时，编程特别有趣，一个很好的例子是map()配合使用和lambda表达式来遍历字典。在下面的代码中，我们初始化字典列表，并将每个字典作为参数传递给lambda函数。
list_of_ds = [{'user': 'Jane', 'posts': 18}, {'user': 'Amina', 'posts': 64}]
map(lambda x: x['user'], list_of_ds) # Output: ['Jane', 'Amina']
map(lambda x: x['posts'] * 10, list_of_ds) # Output: [180, 640]
map(lambda x: x['user'] == "Jane", list_of_ds) # Output: [True, False]
map()替代方法：列表解析
像所有技术/产品/方法等等一样，一些Python开发人员认为map()函数在某种程度上不是Python风格(即未遵循应如何构建Python程序的精神和设计理念)。他们建议改用列表解析，比如：
map(f, iterable)
变成
[f(x) for x in iterable]

在速度和性能方面，map()与列表理析大致相等，因此不可能看到执行时间显着减少 - 经验丰富的Python开发者Wesley Chun在其演讲Python 103：Memory Model＆Best Practices中解决了这个问题