Python中的Lambda函数

Python中的Lambda函数

　　Python 中的Lambda 函数是匿名函数意味着该函数没有名称，我们已经知道def关键字用于定义 Python 中的普通函数。类似地，lambda关键字用于在 Python 中定义匿名函数。 Lambda 函数使用一个表达式来获取任意数量的参数。

　　在本教程中，我们晓得博客将为你介绍Python中的Lambda函数，并探讨使用它们的优点和局限性。

什么是 Python 中的 Lambda 函数？

　　lambda 函数是一个匿名函数，它可以接受任意数量的参数，但与普通函数不同，它只计算并返回一个表达式。Python 中的 lambda 函数具有以下语法：

lambda arguments: expression

　　lambda 函数的剖析包括三个元素：

• lambda—类似普通函数def
• arguments——传递位置和关键字参数
• expression— 使用 lambda 函数评估给定参数的表达式

　　注意：与普通函数不同，我们不会用括号将 lambda 函数的参数括起来。如果 lambda 函数有两个或更多参数，用逗号列出它们。

　　使用 lambda 函数只计算一个短表达式（理想情况下，单行）并且只计算一次，这意味着我们以后不会应用这个函数。通常，我们将 lambda 函数作为参数传递给高阶函数（接受其他函数作为参数的函数），例如 Python 内置函数，如filter()、map()或reduce()。

　　推荐：11个流行的Python存储库

Lambda函数和def定义函数的区别

　　我们看这个例子，并尝试理解普通的 def 定义函数和 lambda 函数之间的区别。这是一个返回给定值的立方体的程序：  

def cube(y):
	return y*y*y

lambda_cube = lambda y: y*y*y

print(cube(5))
print(lambda_cube(5))

　　输出：

125
125

　　推荐：Python基础-函数

Python中的Lambda函数如何工作

　　让我们看一个简单的 lambda 函数示例：

lambda x: x + 1

<function __main__.<lambda>(x)>

　　上面的 lambda 函数接受一个参数，将其递增 1，然后返回结果。它是以下带有def and return关键字的普通函数的更简单版本：

def increment_by_one(x):
    return x + 1

　　然而，目前，我们的 lambda 函数lambda x: x + 1只创建一个函数对象并且不返回任何内容，我们没有为其 parameter 提供任何值（参数）x。让我们先赋值一个变量，将它传递给 lambda 函数，看看这次我们得到了什么：

a = 2
print(lambda x: a + 1)

<function <lambda> at 0x00000250CB0A5820>

　　我们的 lambda 函数没有像我们预期的那样返回3，而是返回函数对象本身及其内存位置。事实上，这不是调用 lambda 函数的正确方法。要将参数传递给 lambda 函数，执行它并返回结果，我们应该使用以下语法：

(lambda x: x + 1)(2)

3

　　虽然我们的 lambda 函数的参数没有用括号括起来，但当调用它时，会在 lambda 函数的整个构造以及我们传递给它的参数周围添加括号。上面代码中要注意的另一件事是，使用 lambda 函数，我们可以在创建函数后立即执行该函数并接收结果，这就是所谓的立即调用函数执行（或IIFE）。

　　我们可以创建一个带有多个参数的 lambda 函数。在这种情况下，我们用逗号分隔函数定义中的参数。当我们执行这样一个 lambda 函数时，我们以相同的顺序列出相应的参数，并用逗号分隔它们：

(lambda x, y, z: x + y + z)(3, 8, 1)

12

　　也可以使用 lambda 函数来执行条件操作。下面是一个简单if-else函数的 lambda 模拟：

print((lambda x: x if(x > 10) else 10)(5))

print((lambda x: x if(x > 10) else 10)(12))

10
12

　　如果存在多个条件（if-elif-…-else），我们必须嵌套它们：

(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)

110

　　问题是，已经有了一个嵌套条件，代码变得难以阅读，正如我们在上面看到的。在这种情况下，具有if-elif-…-else条件集的普通函数将是比 lambda 函数更好的选择。实际上，我们可以通过以下方式编写上面示例中的 lambda 函数：

def check_conditions(x):
    if x > 10:
        return x * 10
    elif x < 5:
        return x * 5
    else:
        return x

check_conditions(11)

110

　　尽管上面的函数比相应的 lambda 函数跨越了更多的行，但它更容易阅读。我们可以将 lambda 函数分配给一个变量，然后将该变量作为普通函数调用：

increment = lambda x: x + 1
increment(2)

3

　　因此，如果我们确实需要存储一个函数以供进一步使用，而不是将 lambda 函数分配给变量，我们最好定义一个等效的普通函数。

Python中的Lambda函数应用

filter()带有函数的 Lambda

　　我们使用 Python 中的函数根据预定义的 标准从 可迭代对象（如列表、集合、元组、系列等）filter()中选择某些项目。它需要两个参数：

• 定义过滤条件的函数
• 函数在其上运行的可迭代对象

　　作为这个操作的结果，我们得到一个过滤器对象：

lst = [33, 3, 22, 2, 11, 1]
filter(lambda x: x > 10, lst)

<filter at 0x250cb090520>

　　为了从过滤器对象中获取一个新的迭代器，并且原始迭代器中的所有项目都满足预定义的条件，我们需要将过滤器对象传递给 Python 标准库的相应函数：list(), tuple(), set(), frozenset(), 或sorted()(返回一个排序列表）。

　　让我们过滤一个数字列表，只选择大于 10 的数字并返回一个按升序排序的列表：

lst = [33, 3, 22, 2, 11, 1]
sorted(filter(lambda x: x > 10, lst))

[11, 22, 33]

　　我们不必创建与原始对象相同类型的新可迭代对象。此外，我们可以将此操作的结果存储在一个变量中：

lst = [33, 3, 22, 2, 11, 1]
tpl = tuple(filter(lambda x: x > 10, lst))
tpl

(33, 22, 11)

　　推荐：Python基础03 序列（列表和元组）

map()带有函数的 Lambda

　　我们使用Python 中的map()函数对可迭代的每个项目执行特定操作。它的语法与filter()：要执行的函数和该函数适用的可迭代对象相同。该map()函数返回一个 map 对象，我们可以通过将该对象传递给相应的 Python 函数来从中获取一个新的可迭代对象：list()、tuple()、set()、frozenset()或sorted()。

　　与filter()函数一样，我们可以从映射对象中提取与原始类型不同类型的迭代，并将其分配给变量。下面是使用该map()函数将列表中的每个项目乘以 10 并将映射值作为分配给变量的元组输出的示例tpl：

lst = [1, 2, 3, 4, 5]
print(map(lambda x: x * 10, lst))
tpl = tuple(map(lambda x: x * 10, lst))
tpl

<map object at 0x00000250CB0D5F40>

(10, 20, 30, 40, 50)

　　map()和函数之间的一个重要区别filter()是，第一个函数总是返回与原始函数相同长度的迭代。因此，由于 pandas Series 对象也是可迭代对象，我们可以map()在 DataFrame 列上应用该函数来创建一个新列：

import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [0, 0, 0, 0, 0]})
print(df)
df['col3'] = df['col1'].map(lambda x: x * 10)
df

   col1  col2
0     1     0
1     2     0
2     3     0
3     4     0
4     5     0

   col1  col2  col3
0     1     0    10
1     2     0    20
2     3     0    30
3     4     0    40
4     5     0    50

　　请注意，要在上述情况下获得相同的结果，也可以使用以下apply()函数：

df['col3'] = df['col1'].apply(lambda x: x * 10)
df

   col1  col2  col3
0     1     0    10
1     2     0    20
2     3     0    30
3     4     0    40
4     5     0    50

　　我们还可以根据某些条件为另一列创建一个新的 DataFrame 列。再一次，对于下面的代码，我们可以互换使用map()or函数：apply()

df['col4'] = df['col3'].map(lambda x: 30 if x < 30 else x)
df

   col1  col2  col3  col4
0     1     0    10    30
1     2     0    20    30
2     3     0    30    30
3     4     0    40    40
4     5     0    50    50

reduce()带有函数的 Lambda

　　该reduce()函数与functools Python 模块相关，它的工作方式如下：

1. 对可迭代对象的前两项进行操作并保存结果
2. 对保存的结果和可迭代的下一项进行操作
3. 以这种方式对值对进行处理，直到
   使用可迭代的所有项目

　　该函数与前两个函数具有相同的两个参数：一个函数和一个可迭代对象。但是，与前面的函数不同，这个函数不需要传递给任何其他函数，直接返回结果标量值：

from functools import reduce
lst = [1, 2, 3, 4, 5]
reduce(lambda x, y: x + y, lst)

15

　　上面的代码显示了reduce()当我们使用它来计算列表的总和时函数的作用（即使对于这样一个简单的操作，我们会使用更好的解决方案：）sum(lst)。

　　请注意，该reduce()函数总是需要一个带有两个参数的 lambda 函数——而且我们必须首先从functools Python 模块中导入它。

　　推荐：Python错误处理

Python中的Lambda函数的优缺点

Python中的Lambda函数优点

• 是只评估单个表达式的理想选择
• 可以在定义后立即调用
• 与相应的普通函数相比，语法更紧凑
• 可以作为参数传递给高阶函数，例如filter()、map()和reduce()。

Python中的Lambda函数缺点

• 不能执行多个表达式。
• 很容易变得很麻烦，例如当它包含一个if-elif-…-else循环时。
• 不能包含任何变量赋值（例如，lambda x: x=0将抛出一个SyntaxError）。
• 不能为 lambda 函数提供文档字符串。

结论

　　以上是晓得博客为你介绍的Python中的Lambda函数的全部内容，我们已经详细讨论了在Python中lambda函数的许多方面，希望本教程有助于使 lambda 函数概念更清晰、更易于应用！

　　推荐：零基础如何开始学习Python