共计 4823 个字符，预计需要花费 13 分钟才能阅读完成。
lambda 是什么
大家好，今天给大家带来的是有关于 Python 里面的 lambda 表达式详细解析。lambda 在 Python 里面的用处很广，但说实话，我个人认为有关于 lambda 的讨论不是如何使用的问题，而是该不该用的问题。接下来还是通过大量实例和大家分享我的学习体验，可能最后你也会得出和我一样的结论。
好啦，首先让我们先搞明白基础定义，lambda 到底是什么？
Lambda 表达了 Python 中用于创建匿名函数的特殊语法。我们将 lambda 语法本身称为 lambda 表达式，从这里得到的函数称之为 lambda 函数。
其实总结起来，lambda 可以理解为一个小的匿名函数，lambda 函数可以使用任意数量的参数，但只能有一个表达式。估计有 JavaScript ES6 经验的朋友们听上去会很亲切，具体函数表达式如下：
模板：lambda argument: manipulate(argument)
参数：argument 就是这个匿名函数传入的参数，冒号后面是我们对这个参数的操作方法
让我们参考上面的定义模板和参数, 直接看一个最简单的例子:
add_one = lambda x:x+1 # 1 个参数，执行操作为 +1
add_nums = lambda x,y:x+y # 2 个参数，执行操作为相加
print(add_one(2)) # 调用 add_one
print(add_nums(3,7)) # 调用 add_nums
>>> 3
10
相比大家已经发现 lambda 匿名函数的特点了，就是对于较为简单的功能，无需自己 def 一个了，单行就可以写下，传参和执行方法一气呵成
lambda 用法详解
接下来让我们看看 lambda 的实际应用，就我自己使用 lambda 的体验来说，从来没有单独用过，lambda 一般情况下是和 map，filter，reduce 这些超棒的内置函数以及 dict，list,tuple,set 等数据结构混用，这样才能发挥它的最大效果，如果有朋友还不太熟悉这些内置函数，可以看一下我上一篇文章 Python 进阶之路 (五) map, filter, reduce, zip 一网打尽
好了，闲话少说，下面让我们一个个来看
lambda + map
首先出场的是 lambda+map 的组合，先看下面这个例子：
numbers = [1,2,3,4,5]
add_one = list(map(lambda n:n+1,numbers)) #map(fun,sequence)
print(list(add_one))
print(tuple(add_one))
Out: [2, 3, 4, 5, 6]
(2, 3, 4, 5, 6)
这个是我们上一期的例子，实现一个数组（元组）每个元素 +1，让我们回忆一下 map 的用法 map(fun,sequence)，fun 是传递的方法，sequence 是一个可迭代的序列，这里我们的 fun 就是匿名函数 lambda n:n+1，这里非常完美的解释了 lambda 的设计初衷，因为如果没有 lambda，我们的解决方案是这样:
def add(num):
return num+1
numbers = [1,2,3,4,5]
add_one = list(map(add,numbers))
print(add_one)
print(tuple(add_one))
显然易见，这里的 add 方法有点多余，所以用 lambda 代替是个好的选择。让我们再看下一个例子, 这是我自己备份日志时写的一小段代码, 命名不是很规范：
from datetime import datetime as dt
logs = [‘serverLog’,’appLog’,’paymentLog’]
format =’_’+ dt.now().strftime(‘%d-%m-%y’)+’.py’
result =list(map(lambda x:x+format,logs)) # 利用 map+lambda 实现字符串拼接
print(result)
Out:[‘serverLog_11-02-19.py’, ‘appLog_11-02-19.py’, ‘paymentLog_11-02-19.py’]
这里和刚才的加 1 例子差不多，但是换成了字符串的拼接，然而我这里用 lambda 并不是很好的解决方案，最后我们会说，现在大家应该对 map + lambda 有一些感觉了，让我们再来个和 dict 字典互动的例子：
person =[{‘name’:’Lilei’,
‘city’:’beijing’},
{‘name’:’HanMeiMei’,
‘city’:’shanghai’}]
names=list(map(lambda x:x[‘name’],person))
print(names)
Out：[‘Lilei’, ‘HanMeiMei’]
好了，看到这里对于 map+lambda 的用法大家已经很清楚了应该~
lambda + filter
lambda 和 filter 的组合也很常见，用于特定筛选条件下，现在让我们来看上篇文章 filter 的例子，就应该很好理解了：
numbers = [0, 1, 2, -3, 5, -8, 13]
# 提取奇数
result = filter(lambda x: x % 2, numbers)
print(“Odd Numbers are :”,list(result))
# 提取偶数
result = filter(lambda x: x % 2 == 0, numbers)
print(“Even Numbers are :”,list(result))
# 提取正数
result = filter(lambda x: x>0, numbers)
print(“Positive Numbers are :”,list(result))
Out：Odd Numbers are : [1, -3, 5, 13]
Even Numbers are : [0, 2, -8]
Positive Numbers are : [1, 2, 5, 13]
这里无非就是我们把 filter(fun,sequence) 里面的 fun 换成了我们的 lambda，只是 lambda 的函数部分（x%2,x%2==0,x>0）都是可以返回 True 或者 False 来判断的，符合 fiter 的要求，用刚才李雷和韩梅梅的例子也是一个道理：
person =[{‘name’:’Lilei’,
‘city’:’beijing’},
{‘name’:’HanMeiMei’,
‘city’:’shanghai’}]
names=list(filter(lambda x:x[‘name’]==’Lilei’,person)) # 提取李雷的信息
print(names)
Out：[{‘name’: ‘Lilei’, ‘city’: ‘beijing’}]
lambda + reduce
还是让我们看一下上篇文章的例子：
from functools import reduce # Only Python 3
numbers = [1,2,3,4]
result_multiply = reduce((lambda x, y: x * y), numbers)
result_add = reduce((lambda x,y: x+y), numbers)
print(result_multiply)
print(result_add)
Out：24
10
这个例子用 lambda 和 reduce 的配合实现了 list 求累积和和累积乘法。有意思的是这个例子具有两面性，一方面展示了 lambda 和 reduce 如何一起使用，另一方面也引出了接下来我想说的重点：lambda 真的值得用吗？到底应该怎么用？
避免过度使用 lambda
通过上面的例子大家已经看到了 lambda 的实际应用场景，但是这里我想和大家分享一下我的看法: 我认为 lambda 的缺点略多于优点，应该避免过度使用 lambda
首先，这仅仅是我的个人看法哈，希望大家理解，我的理由如下: 首先让我们拿 lambda 方法和常规 def 做个对比，我发现 lambda 和 def 的主要不同点如下：
可以立即传递（无需变量）
只需一行代码，简洁（未必高效）
可以会自动返回，无需 return
lambda 函数没有函数名称
有关优点大家都可以看到，我主要想说一下它的缺点，首先，从真正需求出发，我们在大多数时候是不需要 lambda 的，因为总可以找到更好的替代方法，现在我们一起看一下刚才 lambda+reduce 的例子，我们用 lambada 实现的结果如下：
from functools import reduce # Only Python 3
numbers = [1,2,3,4]
result_multiply = reduce((lambda x, y: x * y), numbers)
result_add = reduce((lambda x,y: x+y), numbers)
这里用 lambda 并没有实现简单高效的目的，因为我们有现成的 sum 和 mul 方法可以用：
from functools import reduce
from operator import mul
numbers = [1,2,3,4]
result_add = sum(numbers)
result_multiply =reduce(mul,numbers)
print(result_add)
print(result_multiply)
Out: 10
24
结果是一样的，但是显然用 sum 和 mul 的方案更加高效。再举个常见的例子说明，假如我们有一个 list 存储了各种颜色，现在要求把每个颜色首字母大写，如果用 lambda 写出是这样：
colors = [‘red’,’purple’,’green’,’blue’]
result = map(lambda c:c.capitalize(),colors)
print(list(result))
Out：[‘Red’, ‘Purple’, ‘Green’, ‘Blue’]
看着似乎不错，挺简洁的，但是我们有更好的方法：
colors = [‘red’,’purple’,’green’,’blue’]
result = [c.capitalize() for c in colors]
print(result)
Out：[‘Red’, ‘Purple’, ‘Green’, ‘Blue’]
用 sorted 还能处理首字母不规范的情况，连排序都省了：
colors = [‘Red’,’purple’,’Green’,’blue’]
print(sorted(colors,key=str.capitalize))
Out:[‘blue’, ‘Green’, ‘purple’, ‘Red’]
还有一个主要原因就是: lambda 函数没有函数名称。所以在代码交接，项目移植的场景中会给团队带来很多困难，多写个函数 add_one() 没什么坏处，因为大家都很容易理解，知道它是执行 + 1 的功能
适合 lambda 的场景
话又说回来，存在即合理，那么真正需要我们使用 lambda 的是哪些场景呢：
你需要的方法是很简单的 (+1，字符串拼接等), 该函数不值得一个名字
使用 lambda 表达式，会比我们能想到的函数名称更容易理解
除了 lambda，没有任何 python 提供的函数可以实现目的
团队中所有成员都掌握 lambda，这样不会造成歧义或浪费时间
还有一种场景非常适用，就是在给其他人制造自己很专业的错觉时，比如：
哎呀，小老弟，听说你学了 Python，知道 lambda 不？没听过？不行啊，白学了！来来来，让我给你讲讲。。。此处省略 1 万字
总结
今天为大家九浅一深地讲解了 lambda 的用法和使用场景，所谓九浅一深，就是 90% 情况下用于创建简单的匿名函数，10% 的情况稍微复杂（我这个借口找的太好了）
总而言之就是，任何事情都具有两面性，我们在使用 lambda 之前应该先停下来，问问自己是不是真的需要它。
当然，如果需要和别人忽悠的时候都是正反一张嘴，lambda 是好是坏全凭一张嘴了，吹牛时请遵守如下原则，屡试不爽：
如果你说一个女大学生晚上卖淫就是可耻，但如果改成一个妓女利用业余时间努力学习就励志多了！
lambda 也是如此