datos = [1, 3, 5, 2, 7, 4, 10] imprimir(‘datos:’, datos)

Aplicar la función lambda a cada elemento de la lista

usando la función de mapa

d1 = lista (mapa (lambda i: i + 1, datos)) imprimir(‘d1’, d1) def agregar_uno(i): volver i + 1

Aplicar la función add_one a cada elemento en el

lista usando la función de mapa

d2 = lista(mapa(añadir_uno, datos)) imprimir(‘d2:’, d2) La salida del ejemplo anterior es: datos: [1, 3, 5, 2, 7, 4, 10] d1 [2, 4, 6, 3, 8, 5, 11] d2: [2, 4, 6, 3, 8, 5, 11] Al igual que con la función filter(), la función que se aplicará puede definirse en línea como una lambda o puede llamarse función como en add_one(). Se puede utilizar cualquiera de los dos, el La ventaja de la función con nombre add_one() es que hace que la intención del función explícita; sin embargo, contamina el espacio de nombres de las funciones definidas. Tenga en cuenta que se puede pasar más de un iterable a la función de mapa. si es multiple los iterables se pasan al mapa, entonces la función pasada debe tomar tantos parámetros ya que hay iterables. Esta función es útil si desea fusionar datos en dos o más colecciones en una sola colección. Por ejemplo, supongamos que queremos sumar los números de una lista a la números en otra lista, podemos escribir una función que tome dos parámetros y devuelve el resultado de sumar estos dos números: datos1 = [1, 3, 5, 7] datos2 = [2, 4, 6, 8] resultado = lista(mapa(lambda x, y: x + y, datos1, datos2)) imprimir (resultado) La salida impresa por esto es: [3, 7, 11, 15] Al igual que con la función de filtro, no son sólo los tipos integrados, como los números, los que puede ser procesado por la función suministrada al mapa; también podemos usar definido por el usuario tipos como la clase Persona. Por ejemplo, si quisiéramos recopilar todas las edades para una lista de Persona podríamos escribir: 418 36 Mapear, Filtrar y Reducir