這篇文章主要介紹了Python Lambda函數(shù)使用總結(jié)詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

lambda表達(dá)式是一種匿名函數(shù)，對(duì)應(yīng)python中的自定義函數(shù)def，是定義某個(gè)函數(shù)時(shí)比較高級(jí)的一種寫(xiě)法。作為python初學(xué)者，本文整理了lambda的一些基本用法和特點(diǎn)。

lambda和def的對(duì)應(yīng)關(guān)系

定義func函數(shù)，計(jì)算給定數(shù)x的平方

def func(x):
return x*x

等價(jià)于

func = lambda x: x*x

其中func是函數(shù)名，x是輸入?yún)?shù)，x*x是輸出結(jié)果

輸入?yún)?shù)可以有多個(gè)，可以接收不定參數(shù)如*args或者**kwargs。

f = lambda x, *args, para, **kwargs : [args, para, kwargs]
f(1, 2, 3, para='number', name='Jack', sex='male')
# 輸出 [(2, 3), 'number', {'name': 'Jack', 'sex': 'male'}]

有時(shí)也可以不指定輸入?yún)?shù)，如：

lambda: random.randn()

lambda與map(), filter(), reduce()

lambda表達(dá)式返回一個(gè)函數(shù)，這個(gè)函數(shù)可以作為其他函數(shù)的參數(shù)。常用的可以與lambda組合的內(nèi)置函數(shù)有map(), filter(), reduce().

在處理一個(gè)可迭代對(duì)象如列表，字典等時(shí)，可以用map(lambda, x) 代替 for...in...循環(huán)，如：

lst = [1, 2, 3, 4, 5]
res = []
for i in lst:
  a = i*i
  res.append(a)

等價(jià)于

res = list(map(lambda x:x*x, lst))

可以看到這里的lambda生成的函數(shù)直接作為map函數(shù)的function參數(shù)，對(duì)列表的每一個(gè)元素進(jìn)行平方計(jì)算

同理可以將lambda用于filter進(jìn)行篩選，或者reduce累積運(yùn)算：

from functools import reducelst = [1, 2, 3, 4, 5]f_res = filter(lambda x: x>3, lst)
r_res = reduce(lambda x, y: x*y, lst)

print('大于3的數(shù)字有：', list(f_res)) 
print('累乘結(jié)果為：', r_res)

輸出結(jié)果：

大于3的數(shù)字有： [4, 5]
累乘結(jié)果為： 120

lambda與if條件判斷

lambda表達(dá)式中可以插入if...else進(jìn)行條件判斷，如

f = lambda x: 'even' if x%2==0 else 'odd'
# f(3)輸出結(jié)果 odd

等價(jià)于

def f(x):<br data-filtered="filtered">　　if x%2==0:<br data-filtered="filtered">　　　　return 'even'<br data-filtered="filtered">　　else:<br data-filtered="filtered">　　　　return 'odd'

注意如果在lambda中使用if進(jìn)行條件判斷，則else是必須聲明的，否則會(huì)引起報(bào)錯(cuò)。如果不返回結(jié)果可以用 else None 表示。

if...elif...else的多條件判斷也可以用于lambda，但會(huì)使得代碼過(guò)于復(fù)雜，所以不推薦。

lambda在pandas中的使用

lambda函數(shù)常用于DataFrame或者Series對(duì)象下的map、apply、transform方法

import pandas as pd
df = pd.DataFrame({'Age': [22, 21, 22, 21, 20], 'Score': [87, 66, 79, 54, 59]})
df['Pass'] = df.apply(lambda x: 'pass' if x[1]>=60 else 'Not pass', axis=1)

輸出新列 'Pass'，根據(jù)成績(jī)判斷通過(guò)與否，輸出df后結(jié)果為：

  Age Score  Pass
0  22 87 pass
1  21 66 pass
2  22 79 pass
3  21 54 Not pass
4  20 59 Not pass

x為DataFrame對(duì)象，當(dāng)參數(shù)axis=1時(shí)，x[1]等于第二列。

當(dāng)用于Series對(duì)象時(shí)，以上代碼等價(jià)于：

df['Pass'] = df['Score'].apply(lambda x: 'pass' if x>60 else 'Not pass')

在pandas中，通過(guò)apply，map, transform方法，lambda可以直接應(yīng)用于Series級(jí)別的運(yùn)算。

當(dāng)使用applymap方法時(shí)，lambda可以應(yīng)用于DataFrame級(jí)別的運(yùn)算。

lamda的優(yōu)缺點(diǎn)

lambda的優(yōu)點(diǎn)：

• 不需要定義函數(shù)名（匿名函數(shù)）
• 代碼簡(jiǎn)潔美觀
• 適用于定義簡(jiǎn)單的計(jì)算

lambda的缺點(diǎn)：

• 只有一個(gè)運(yùn)算式，不適用于復(fù)雜的計(jì)算
• 不夠直觀，難于理解，增加了維護(hù)成本

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論