Edit：我在评论中因为没有提供更多的解释/示例而受到批评（看起来部分是由 Python 中的 FP 狂热者引起的，但不完全是），因此，扩展答案以提供一些。
lambda， 更是如此map (and filter), and最特别的是reduce，几乎都不是 Python 中这项工作的正确工具，Python 是一种强大的多范式语言。
lambda与普通相比的主要优点（？）def声明是它使匿名的函数，同时def给函数一个名字——为了这个非常可疑的优势，你付出了巨大的代价（函数的主体仅限于一个表达式，生成的函数对象不可pickle，缺乏名称有时会使理解一个函数变得更加困难）堆栈跟踪或以其他方式调试问题 - 我需要继续吗？！-）。
考虑一下您有时在“Python”中看到的最愚蠢的习惯用法是什么（Python 带有“恐吓引号”，因为它显然是not惯用的Python——这是从惯用的Scheme或类似语言的一个糟糕的音译，就像Python中更频繁地过度使用OOP是从Java或类似的语言的一个糟糕的音译一样）：
inc = lambda x: x + 1
通过为 lambda 分配一个名称，这种方法立即抛弃了上述“优点”——并且不会失去任何缺点！例如，inc不know其名称 -inc.__name__是无用的字符串'<lambda>'-- 祝你好运，了解其中的一些堆栈跟踪；-)。当然，在这个简单的例子中实现所需语义的正确 Python 方法是：
def inc(x): return x + 1
Now inc.__name__是字符串'inc'，显然应该如此，并且该对象是可腌制的 - 语义在其他方面是相同的（在这个简单的情况下，所需的功能可以轻松地适合一个简单的表达式 -def如果您需要临时或永久插入诸如以下之类的语句，那么重构也变得非常容易print or raise， 当然）。
lambda是一个表达式（的一部分），而def是一个语句（的一部分）——这是让人们使用的一点语法糖lambda有时。许多 FP 爱好者（就像许多 OOP 和过程式爱好者一样）不喜欢 Python 在表达式和语句之间相当强烈的区别（这是对 Python 的总体立场的一部分）命令查询分离 http://en.wikipedia.org/wiki/Command-query_separation）。我，我认为当你使用一种语言时，你最好“顺其自然”地使用它——就像它本来的样子designed被利用——而不是与之对抗；所以我用Pythonic方式编程Python，用Schematic (;-)方式编程Scheme，用Fortesque (?)方式编程Fortran，等等:-)。
继续到reduce——一条评论声称reduce是计算列表乘积的最佳方法。哦真的吗？让我们来看看...：
$ python -mtimeit -s'L=range(12,52)' 'reduce(lambda x,y: x*y, L, 1)'
100000 loops, best of 3: 18.3 usec per loop
$ python -mtimeit -s'L=range(12,52)' 'p=1' 'for x in L: p*=x'
100000 loops, best of 3: 10.5 usec per loop
因此，简单、基本、琐碎的循环大约是执行任务的“最佳方式”的两倍（并且更简洁）？-）我想速度和简洁性的优势必须使琐碎循环成为“最好的方法” “这样吧，对吧？-)
通过进一步牺牲紧凑性和可读性......：
$ python -mtimeit -s'import operator; L=range(12,52)' 'reduce(operator.mul, L, 1)'
100000 loops, best of 3: 10.7 usec per loop
...我们可以得到almost回到最简单、最明显、紧凑且可读的方法（简单、基本、琐碎的循环）轻松获得的性能。这指出了另一个问题lambda，其实：性能！对于足够简单的操作（例如乘法），与正在执行的实际操作相比，函数调用的开销相当大 -reduce (and map and filter）通常会迫使您在简单循环、列表推导式和生成器表达式中插入这样的函数调用，以实现内联操作的可读性、紧凑性和速度。
也许比上面斥责的“将 lambda 分配给名称”反惯用法更糟糕的是实际上以下反惯用法，例如按长度对字符串列表进行排序：
thelist.sort(key=lambda s: len(s))
而不是显而易见的、可读的、紧凑的、更快的
thelist.sort(key=len)
在这里，使用lambda除了插入一定程度的间接性之外什么也没做——没有任何好的效果，而且还有很多不好的效果。
使用动机lambda通常是允许使用map and filter而不是更可取的循环或列表理解，可以让您在线进行简单、正常的计算；当然，您仍然需要支付“间接级别”的费用。必须想知道“我应该在这里使用列表计算还是地图”并不是Pythonic：只要总是使用列表计算，当两者都适用并且您不知道选择哪一个时，基于“应该有一个，并且最好只有一种、明显的方式来做某事”。您经常会编写无法明智地转换为映射的列表计算（嵌套循环，if条款等），而没有调用map不能明智地将其重写为 listcomp。
Python 中完美的函数式方法通常包括列表推导式、生成器表达式、itertools、高阶函数、各种形式的一阶函数、闭包、生成器（有时还有其他类型的迭代器）。
itertools正如评论者指出的那样，确实包括imap and ifilter：区别在于，像所有 itertools 一样，它们是基于流的（例如map and filterPython 3 中的内置函数，但与 Python 2 中的内置函数不同）。itertools提供了一组可以很好地组合在一起的构建块以及出色的性能：特别是如果您发现自己可能正在处理很长（甚至无限！-）的序列，那么您应该熟悉 itertools - 它们的整体chapter http://docs.python.org/library/itertools.html文档中的内容有助于良好的阅读，并且recipes http://docs.python.org/library/itertools.html?highlight=itertools#recipes特别是很有启发性。
编写自己的高阶函数通常很有用，特别是当它们适合用作装饰者 http://docs.python.org/reference/compound_stmts.html#function（函数装饰器，如文档该部分中所解释的，以及类装饰器，在 Python 2.6 中引入）。一定要记得使用functools.wraps http://docs.python.org/library/functools.html?highlight=decorators#functools.wraps在你的函数装饰器上（以保持函数的元数据被包装）！
所以，总结一下……：任何你可以用来编码的东西lambda, map, and filter，您可以使用以下代码（通常是有利的）def（命名函数）和列表计算——通常会上升一级到生成器、生成器表达式或itertools，甚至更好。reduce符合“有吸引力的滋扰”的法律定义......：它是几乎没有适合这项工作的工具（这就是为什么它终于不再是 Python 3 中的内置工具了！-）。
