Python中的lambda和apply用法及說明

更新時間：2022年12月21日 16:08:26 作者：anshuai_aw1

這篇文章主要介紹了Python中的lambda和apply用法及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

1 lambda

lambda原型為：lambda 參數(shù):操作(參數(shù))

lambda函數(shù)也叫匿名函數(shù)，即沒有具體名稱的函數(shù)，它允許快速定義單行函數(shù)，可以用在任何需要函數(shù)的地方。這區(qū)別于def定義的函數(shù)。

lambda與def的區(qū)別：

1）def創(chuàng)建的方法是有名稱的，而lambda沒有。

2）lambda會返回一個函數(shù)對象，但這個對象不會賦給一個標(biāo)識符，而def則會把函數(shù)對象賦值給一個變量（函數(shù)名）。

3）lambda只是一個表達(dá)式，而def則是一個語句。

4）lambda表達(dá)式” : “后面，只能有一個表達(dá)式，def則可以有多個。

5）像if或for或print等語句不能用于lambda中，def可以。

6）lambda一般用來定義簡單的函數(shù)，而def可以定義復(fù)雜的函數(shù)。

1.1 舉最簡單的例子

#單個參數(shù)的：
g = lambda x : x ** 2
print g(3)
"""
9
"""
#多個參數(shù)的：
g = lambda x, y, z : (x + y) ** z
print g(1,2,2)
"""
9
"""

1.2 再舉一個普通的例子

將一個 list 里的每個元素都平方：

map( lambda x: x*x, [y for y in range(10)] )

這個寫法要好過

def sq(x):
? ? return x * x
?
map(sq, [y for y in range(10)])

因為后者多定義了一個（污染環(huán)境的）函數(shù)，尤其如果這個函數(shù)只會使用一次的話。

進(jìn)一步講，匿名函數(shù)本質(zhì)上就是一個函數(shù)，它所抽象出來的東西是一組運(yùn)算。這是什么意思呢？類比

a = [1, 2, 3]

和

f = lambda x : x + 1

我們會發(fā)現(xiàn)，等號右邊的東西完全可以脫離等號左邊的東西而存在，等號左邊的名字只是右邊之實體的標(biāo)識符。如果能習(xí)慣 [1, 2, 3] 單獨存在，那么 lambda x : x + 1 也能單獨存在其實也就不難理解了，它的意義就是給「某個數(shù)加一」這一運(yùn)算本身。

現(xiàn)在回頭來看 map() 函數(shù)，它可以將一個函數(shù)映射到一個可枚舉類型上面。沿用上面給出的 a 和 f，可以寫

map(f, a)

也就是將函數(shù) f 依次套用在 a 的每一個元素上面，獲得結(jié)果 [2, 3, 4]?，F(xiàn)在用 lambda 表達(dá)式來替換 f，就變成：

map( lambda x : x + 1, [1, 2, 3] )

會不會覺得現(xiàn)在很一目了然了？尤其是類比

a = [1, 2, 3]
r = []
for each in a:
? ? r.append(each+1)

2 Apply

Python中apply函數(shù)的格式為：apply(func,*args,**kwargs)

當(dāng)然，func可以是匿名函數(shù)。

用途：當(dāng)一個函數(shù)的參數(shù)存在于一個元組或者一個字典中時，用來間接的調(diào)用這個函數(shù)，并將元組或者字典中的參數(shù)按照順序傳遞給參數(shù)

解析：args是一個包含按照函數(shù)所需參數(shù)傳遞的位置參數(shù)的一個元組，簡單來說，假如A函數(shù)的函數(shù)位置為 A(a=1,b=2),那么這個元組中就必須嚴(yán)格按照這個參數(shù)的位置順序進(jìn)行傳遞(a=3,b=4)，而不能是(b=4,a=3)這樣的順序。kwargs是一個包含關(guān)鍵字參數(shù)的字典，而其中args如果不傳遞，kwargs需要傳遞，則必須在args的位置留空。

apply的返回值就是函數(shù)func函數(shù)的返回值。

2.1 舉例

? ?def function(a,b): ?
? ? ? ? print(a,b) ?
? ? apply(function,('good','better')) ?
? ? apply(function,(2,3+6)) ?
? ? apply(function,('cai','quan')) ?
? ? apply(function,('cai',),{'b':'caiquan'}) ?
? ? apply(function,(),{'a':'caiquan','b':'Tom'}) ?

輸出結(jié)果：

('good', 'better')
(2, 9)
('cai', 'quan')
('cai', 'caiquan')
('caiquan', 'Tom')

有時候，函數(shù)的參數(shù)可能是DataFrame中的行或者列。

2.2 下面的例子是DataFrame中apply的用法

#函數(shù)應(yīng)用和映射
import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['utah','ohio','texas','oregon'])
print(df)
"""
? ? ? ? ? ? ? ?b ? ? ? ? d ? ? ? ? e
utah ? -0.667969 ?1.974801 ?0.738890
ohio ? -0.896774 -0.790914 ?0.474183
texas ? 0.043476 ?0.890176 -0.662676
oregon ?0.701109 -2.238288 -0.154442
"""
?
#將函數(shù)應(yīng)用到由各列或行形成的一維數(shù)組上。DataFrame的apply方法可以實現(xiàn)此功能
f=lambda x:x.max()-x.min()
#默認(rèn)情況下會以列為單位，分別對列應(yīng)用函數(shù)
t1=df.apply(f)
print(t1)
t2=df.apply(f,axis=1)
print(t2)
?
"""
b ? ?1.597883
d ? ?4.213089
e ? ?1.401566
dtype: float64
utah ? ? ?2.642770
ohio ? ? ?1.370957
texas ? ? 1.552852
oregon ? ?2.939397
dtype: float64
"""
?
#除標(biāo)量外，傳遞給apply的函數(shù)還可以返回由多個值組成的Series
def f(x):
? ? return pd.Series([x.min(),x.max()],index=['min','max'])
t3=df.apply(f)
#從運(yùn)行的結(jié)果可以看出，按列調(diào)用的順序，調(diào)用函數(shù)運(yùn)行的結(jié)果在右邊依次追加
print(t3)
?
"""
? ? ? ? ? ? b ? ? ? ? d ? ? ? ? e
min -0.896774 -2.238288 -0.662676
max ?0.701109 ?1.974801 ?0.738890
"""
?
#元素級的python函數(shù)，將函數(shù)應(yīng)用到每一個元素
#將DataFrame中的各個浮點值保留兩位小數(shù)
f=lambda x: '%.2f'%x
t3=df.applymap(f)
print(t3)
"""
? ? ? ? ? ? b ? ? ?d ? ? ?e
utah ? ?-0.67 ? 1.97 ? 0.74
ohio ? ?-0.90 ?-0.79 ? 0.47
texas ? ?0.04 ? 0.89 ?-0.66
oregon ? 0.70 ?-2.24 ?-0.15
"""
?
#注意，之所以這里用map,是因為Series有一個元素級函數(shù)的map方法。而dataframe只有applymap。
t4=df['e'].map(f)
print(t4)
?
"""
utah ? ? 0.74
ohio ? ? 0.47
texas ? -0.66
oregon ?-0.15
"""