能否用Python的filter()结合lambda返回修改后的值？

1. 仅用lambda+filter无法同时完成过滤+转小写 #

filter()的核心作用是筛选元素：它接收一个判断函数和序列，只保留判断函数返回True的原元素，不会对元素做任何修改。你之前写的lambda ch.lower() : ch.isalnum()是语法错误——lambda的参数必须是变量名，不能是表达式（比如ch.lower()）。

如果想用标准库函数组合实现过滤+转小写，可以用filter()配合map()：

filtered_chars = map(lambda ch: ch.lower(), filter(lambda ch: ch.isalnum(), s))

这里filter()先筛出字母数字字符，map()再把每个保留的字符转成小写。这个组合是惰性求值的，内存占用和单独用filter()类似，只有当你把它转成列表时才会占用完整内存。

但如果要求仅用lambda+filter，那确实做不到——因为filter()没有映射（修改元素）的能力，它只能决定元素留或不留，无法改变元素本身。

2. 关于filter的内存占用与你的推测 #

你对filter()的理解是对的：Python3中filter()返回的是一个惰性迭代器，它不会立即生成新列表，只是持有原序列的引用、判断函数和当前迭代的索引，所以内存占用远低于列表推导（列表推导会立即生成完整的新列表，内存里同时存在原序列和新列表）。

你的推测“要转小写则需生成含修改后字符的新列表，因此filter无法完成该任务”完全正确。因为转小写是对元素的修改/映射操作，需要生成新的字符对象，而filter()的设计目标只是筛选，不涉及元素的修改，所以无法单独完成这个需求。

补充：列表推导的场景 #

如果你的输入序列不大，列表推导的内存差异可以忽略，而且写法更简洁直观。只有当处理超大规模序列时，才需要考虑用filter()+map()的惰性迭代组合来节省内存。

内容的提问来源于stack exchange，提问作者heretoinfinity