You can use functools.partial:
>>> from functools import partial
>>> array = np.arange(12).reshape(3,4)
>>> array
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> func_list = [
        partial(numpy.mean, axis=1), 
        partial(numpy.var, axis=0), 
        partial(numpy.std, axis=None)
    ]
>>> print(*map(lambda x:x(array), func_list), sep='\n')
[1.5 5.5 9.5]
[10.66666667 10.66666667 10.66666667 10.66666667]
3.452052529534663
Another way:
>>> func_list = [(numpy.mean, numpy.var, numpy.std), 
                 ({'axis':1}, {'axis':0}, {'axis':None})]
>>> print(*map(lambda f,kw: f(array, **kw), *func_list), sep='\n')
[1.5 5.5 9.5]
[10.66666667 10.66666667 10.66666667 10.66666667]
3.452052529534663
A slight variation of the above:
>>> func_list = [
        (numpy.mean, {'axis':1}), 
        (numpy.var, {'axis':0}), 
        (numpy.std, {'axis':None})
    ]
>>> print(*map(lambda f,kw: f(array, **kw), *zip(*func_list)), sep='\n')
[1.5 5.5 9.5]
[10.66666667 10.66666667 10.66666667 10.66666667]
3.452052529534663