什么是 Python 中的 Lambda 函數(shù)

今天我們來學(xué)習(xí) Python 中的 lambda 函數(shù)，并探討使用它的優(yōu)點(diǎn)和局限性

Let's do it！

lambda 函數(shù)是一個匿名函數(shù)（即，沒有名稱定義），它可以接受任意數(shù)量的參數(shù)，但與普通函數(shù)不同，它只計(jì)算并返回一個表達(dá)式

Python 中的 lambda 函數(shù)使用以下語法表達(dá)：

lambda 參數(shù)：表達(dá)式

lambda 函數(shù)包括三個元素：

• 關(guān)鍵字 lambda：與普通函數(shù)中 def 類似
• 參數(shù)：支持傳遞位置和關(guān)鍵字參數(shù)，與普通函數(shù)一樣
• 正文：處理定參數(shù)的表達(dá)式

需要注意的是，普通函數(shù)不同，這里不需要用括號將 lambda 函數(shù)的參數(shù)括起來，如果 lambda 函數(shù)有兩個或更多參數(shù)，我們用逗號列出它們

我們使用 lambda 函數(shù)只計(jì)算一個短表達(dá)式（理想情況下，單行）并且只計(jì)算一次，這意味著我們以后不會再復(fù)用這個函數(shù)。 通常來說我們會將 lambda 函數(shù)作為參數(shù)傳遞給高階函數(shù)（接受其他函數(shù)作為參數(shù)的函數(shù)），例如 Python 內(nèi)置函數(shù)，如 filter()、map() 或 reduce()等

Python 中的 Lambda 函數(shù)如何工作

讓我們看一個簡單的 lambda 函數(shù)示例：

lambda x: x + 1

Output:

<function __main__.<lambda>(x)>

上面的 lambda 函數(shù)接受一個參數(shù)，將其遞增 1，然后返回結(jié)果

它是以下帶有 def 和 return 關(guān)鍵字的普通函數(shù)的更簡單版本：

def increment_by_one(x):
    return x + 1

到目前我們的 lambda 函數(shù) lambda x: x + 1 只創(chuàng)建一個函數(shù)對象，不返回任何內(nèi)容，這是因?yàn)槲覀儧]有為其參數(shù) x 提供任何值（參數(shù)）。讓我們先分配一個變量，將它傳遞給 lambda 函數(shù)，看看這次我們得到了什么：

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

Output:

<function <lambda> at 0x00000250CB0A5820>

我們的 lambda 函數(shù)沒有像我們預(yù)期的那樣返回 3，而是返回了函數(shù)對象本身及其內(nèi)存位置，可以看出這不是調(diào)用 lambda 函數(shù)的正確方法。要將參數(shù)傳遞給 lambda 函數(shù)，執(zhí)行它并返回結(jié)果，我們應(yīng)該使用以下語法：

(lambda x: x + 1)(2)

Output:

3

雖然我們的 lambda 函數(shù)的參數(shù)沒有用括號括起來，但當(dāng)我們調(diào)用它時，我們會在 lambda 函數(shù)的整個構(gòu)造以及我們傳遞給它的參數(shù)周圍添加括號

上面代碼中要注意的另一件事是，使用 lambda 函數(shù)，我們可以在創(chuàng)建函數(shù)后立即執(zhí)行該函數(shù)并接收結(jié)果。這就是所謂的立即調(diào)用函數(shù)執(zhí)行（或 IIFE）

我們可以創(chuàng)建一個帶有多個參數(shù)的 lambda 函數(shù)，在這種情況下，我們用逗號分隔函數(shù)定義中的參數(shù)。當(dāng)我們執(zhí)行這樣一個 lambda 函數(shù)時，我們以相同的順序列出相應(yīng)的參數(shù)，并用逗號分隔它們：

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

Output:

12

也可以使用 lambda 函數(shù)來執(zhí)行條件操作。下面是一個簡單 if-else 函數(shù)的 lambda 模擬：

print((lambda x: x if(x > 10) else 10)(5))
print((lambda x: x if(x > 10) else 10)(12))

Output:

10

12

如果存在多個條件（if-elif-...-else），我們必須嵌套它們：

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

Output:

110

但是上面的寫法，又令代碼變得難以閱讀

在這種情況下，具有 if-elif-...-else 條件集的普通函數(shù)將是比 lambda 函數(shù)更好的選擇。實(shí)際上，我們可以通過以下方式編寫上面示例中的 lambda 函數(shù)：

def check_conditions(x):
    if x > 10:
        return x * 10
    elif x < 5:
        return x * 5
    else:
        return x
check_conditions(11)

Output:

110

盡管上面的函數(shù)比相應(yīng)的 lambda 函數(shù)增加了更多行，但它更容易閱讀

我們可以將 lambda 函數(shù)分配給一個變量，然后將該變量作為普通函數(shù)調(diào)用：

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

Output:

3

但是根據(jù) Python 代碼的 PEP 8 樣式規(guī)則，這是一種不好的做法

賦值語句的使用消除了 lambda 表達(dá)式相對于顯式 def 語句所能提供的唯一好處（即，它可以嵌入到更大的表達(dá)式中）

因此如果我們確實(shí)需要存儲一個函數(shù)以供進(jìn)一步使用，我們最好定義一個等效的普通函數(shù)，而不是將 lambda 函數(shù)分配給變量

Lambda 函數(shù)在 Python 中的應(yīng)用

帶有 filter() 函數(shù)的 Lambda

Python 中的 filter() 函數(shù)需要兩個參數(shù)：

• 定義過濾條件的函數(shù)
• 函數(shù)在其上運(yùn)行的可迭代對象

運(yùn)行該函數(shù)，我們得到一個過濾器對象：

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

Output:

<filter at 0x250cb090520>

為了從過濾器對象中獲取一個新的迭代器，并且原始迭代器中的所有項(xiàng)都滿足預(yù)定義的條件，我們需要將過濾器對象傳遞給 Python 標(biāo)準(zhǔn)庫的相應(yīng)函數(shù)：list()、tuple()、set ()、frozenset() 或 sorted()（返回排序列表）

讓我們過濾一個數(shù)字列表，只選擇大于 10 的數(shù)字并返回一個按升序排序的列表：

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

Output:

[11, 22, 33]

我們不必創(chuàng)建與原始對象相同類型的新可迭代對象，此外我們可以將此操作的結(jié)果存儲在一個變量中：

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

Output:

(33, 22, 11)

帶有 map() 函數(shù)的 Lambda

我們使用 Python 中的 map() 函數(shù)對可迭代的每個項(xiàng)目執(zhí)行特定操作。它的語法與 filter() 相同：一個要執(zhí)行的函數(shù)和一個該函數(shù)適用的可迭代對象。

map() 函數(shù)返回一個 map 對象，我們可以通過將該對象傳遞給相應(yīng)的 Python 函數(shù)來從中獲取一個新的迭代：list()、tuple()、set()、frozenset() 或 sorted()

與 filter() 函數(shù)一樣，我們可以從 map 對象中提取與原始類型不同類型的可迭代對象，并將其分配給變量。

下面是使用 map() 函數(shù)將列表中的每個項(xiàng)目乘以 10 并將映射值作為分配給變量 tpl 的元組輸出的示例：

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

Output:

<map object at 0x00000250CB0D5F40>
(10, 20, 30, 40, 50)

map() 和 filter() 函數(shù)之間的一個重要區(qū)別是第一個函數(shù)總是返回與原始函數(shù)相同長度的迭代。因此由于 pandas Series 對象也是可迭代的，我們可以在 DataFrame 列上應(yīng)用 map() 函數(shù)來創(chuàng)建一個新列：

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

Output:

  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

當(dāng)然要在上述情況下獲得相同的結(jié)果，也可以使用 apply() 函數(shù)：

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

Output:

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

我們還可以根據(jù)某些條件為另一列創(chuàng)建一個新的 DataFrame 列，對于下面的代碼，我們可以互換使用 map() 或 apply() 函數(shù)：

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

Output:

   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

帶有 reduce() 函數(shù)的 Lambda

reduce() 函數(shù)與 functools Python 模塊相關(guān)，它的工作方式如下：

• 對可迭代對象的前兩項(xiàng)進(jìn)行操作并保存結(jié)果
• 對保存的結(jié)果和可迭代的下一項(xiàng)進(jìn)行操作
• 以這種方式在值對上進(jìn)行，直到所有項(xiàng)目使用可迭代的

該函數(shù)與前兩個函數(shù)具有相同的兩個參數(shù)：一個函數(shù)和一個可迭代對象。但是與前面的函數(shù)不同的是，這個函數(shù)不需要傳遞給任何其他函數(shù)，直接返回結(jié)果標(biāo)量值：

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

Output:

15

上面的代碼展示了我們使用 reduce() 函數(shù)計(jì)算列表總和時的作用

需要注意的是，reduce() 函數(shù)總是需要一個帶有兩個參數(shù)的 lambda 函數(shù)，而且我們必須首先從 functools Python 模塊中導(dǎo)入它

Python 中 Lambda 函數(shù)的優(yōu)缺點(diǎn)

優(yōu)點(diǎn)

• 它是評估單個表達(dá)式的理想選擇，應(yīng)該只評估一次
• 它可以在定義后立即調(diào)用
• 與相應(yīng)的普通語法相比，它的語法更緊湊
• 它可以作為參數(shù)傳遞給高階函數(shù)，例如 filter()、map() 和 reduce()

缺點(diǎn)

• 它不能執(zhí)行多個表達(dá)式
• 它很容易變得麻煩，可讀性差，例如當(dāng)它包括一個 if-elif-...-else 循環(huán)
• 它不能包含任何變量賦值（例如，lambda x: x=0 將拋出一個語法錯誤）
• 我們不能為 lambda 函數(shù)提供文檔字符串

總結(jié)

總而言之，我們已經(jīng)詳細(xì)討論了在 Python 中定義和使用 lambda 函數(shù)的許多方面：

• lambda 函數(shù)與普通 Python 函數(shù)有何不同
• Python 中 lambda 函數(shù)的語法和剖析
• 何時使用 lambda 函數(shù)
• lambda 函數(shù)的工作原理
• 如何調(diào)用 lambda 函數(shù)
• 調(diào)用函數(shù)執(zhí)行（IIFE）的定義
• 如何使用 lambda 函數(shù)執(zhí)行條件操作，如何嵌套多個條件，以及為什么我們應(yīng)該避免它
• 為什么我們應(yīng)該避免將 lambda 函數(shù)分配給變量
• 如何將 lambda 函數(shù)與 filter() 函數(shù)一起使用
• 如何將 lambda 函數(shù)與 map() 函數(shù)一起使用
• 我們?nèi)绾卧?pandas DataFrame 中使用
• 帶有傳遞給它的 lambda 函數(shù)的 map() 函數(shù) - 以及在這種情況下使用的替代功能
• 如何將 lambda 函數(shù)與 reduce() 函數(shù)一起使用
• 在普通 Python 上使用 lambda 函數(shù)的優(yōu)缺點(diǎn)

希望今天的討論可以使 Python 中看似令人生畏的 lambda 函數(shù)概念更清晰、更易于應(yīng)用。

以上就是Python lambda 匿名函數(shù)優(yōu)點(diǎn)和局限性深度總結(jié)的詳細(xì)內(nèi)容，更多關(guān)于Python lambda 匿名函數(shù)的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論