关于python:Python中常用最神秘的函数-lambda-函数深度总结

43次阅读

共计 4438 个字符,预计需要花费 12 分钟才能阅读完成。

明天咱们来学习 Python 中的 lambda 函数,并探讨应用它的长处和局限性

Let’s do it!

什么是 Python 中的 Lambda 函数
lambda 函数是一个匿名函数(即,没有名称定义),它能够承受任意数量的参数,但与一般函数不同,它只计算并返回一个表达式

Python 中的 lambda 函数应用以下语法表白:

lambda 参数:表达式

lambda 函数包含三个元素:

  • 关键字 lambda:与一般函数中 def 相似
  • 参数:反对传递地位和关键字参数,与一般函数一样
  • 注释:解决定参数的表达式

须要留神的是,一般函数不同,这里不须要用括号将 lambda 函数的参数括起来,如果 lambda 函数有两个或更多参数,咱们用逗号列出它们

咱们应用 lambda 函数只计算一个短表达式(现实状况下,单行)并且只计算一次,这意味着咱们当前不会再复用这个函数。通常来说咱们会将 lambda 函数作为参数传递给高阶函数(承受其余函数作为参数的函数),例如 Python 内置函数,如 filter()、map() 或 reduce()等

Python 中的 Lambda 函数如何工作
让咱们看一个简略的 lambda 函数示例:

lambda x: x + 1

Output:

<function __main__.<lambda>(x)>

下面的 lambda 函数承受一个参数,将其递增 1,而后返回后果

它是以下带有 def 和 return 关键字的一般函数的更简略版本:

def increment_by_one(x):
    return x + 1

到目前咱们的 lambda 函数 lambda x: x + 1 只创立一个函数对象,不返回任何内容,这是因为咱们没有为其参数 x 提供任何值(参数)。让咱们先调配一个变量,将它传递给 lambda 函数,看看这次咱们失去了什么:

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

Output:

<function <lambda> at 0x00000250CB0A5820>

咱们的 lambda 函数没有像咱们预期的那样返回 3,而是返回了函数对象自身及其内存地位,能够看出这不是调用 lambda 函数的正确办法。要将参数传递给 lambda 函数,执行它并返回后果,咱们应该应用以下语法:

(lambda x: x + 1)(2)

Output:

3

尽管咱们的 lambda 函数的参数没有用括号括起来,但当咱们调用它时,咱们会在 lambda 函数的整个结构以及咱们传递给它的参数四周增加括号

下面代码中要留神的另一件事是,应用 lambda 函数,咱们能够在创立函数后立刻执行该函数并接管后果。这就是所谓的立刻调用函数执行(或 IIFE)

咱们能够创立一个带有多个参数的 lambda 函数,在这种状况下,咱们用逗号分隔函数定义中的参数。当咱们执行这样一个 lambda 函数时,咱们以雷同的程序列出相应的参数,并用逗号分隔它们:

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

Output:

12

也能够应用 lambda 函数来执行条件操作。上面是一个简略 if-else 函数的 lambda 模仿:

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

Output:

10
12

如果存在多个条件(if-elif-…-else),咱们必须嵌套它们:

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

Output:

110

然而下面的写法,又令代码变得难以浏览

在这种状况下,具备 if-elif-…-else 条件集的一般函数将是比 lambda 函数更好的抉择。实际上,咱们能够通过以下形式编写下面示例中的 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)

Output:

110

只管下面的函数比相应的 lambda 函数减少了更多行,但它更容易浏览

咱们能够将 lambda 函数调配给一个变量,而后将该变量作为一般函数调用:

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

Output:

3

然而依据 Python 代码的 PEP 8 款式规定,这是一种不好的做法

赋值语句的应用打消了 lambda 表达式绝对于显式 def 语句所能提供的惟一益处(即,它能够嵌入到更大的表达式中)

因而如果咱们的确须要存储一个函数以供进一步应用,咱们最好定义一个等效的一般函数,而不是将 lambda 函数调配给变量

Lambda 函数在 Python 中的利用
带有 filter() 函数的 Lambda

Python 中的 filter() 函数须要两个参数:

  • 定义过滤条件的函数
  • 函数在其上运行的可迭代对象

运行该函数,咱们失去一个过滤器对象:

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

Output:

<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都满足预约义的条件,咱们须要将过滤器对象传递给 Python 规范库的相应函数:list()、tuple()、set ()、frozenset() 或 sorted()(返回排序列表)

让咱们过滤一个数字列表,只抉择大于 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))

Output:

[11, 22, 33]
咱们不用创立与原始对象雷同类型的新可迭代对象,此外咱们能够将此操作的后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

Output:

(33, 22, 11)

带有 map() 函数的 Lambda
咱们应用 Python 中的 map() 函数对可迭代的每个我的项目执行特定操作。它的语法与 filter() 雷同:一个要执行的函数和一个该函数实用的可迭代对象。

map() 函数返回一个 map 对象,咱们能够通过将该对象传递给相应的 Python 函数来从中获取一个新的迭代:list()、tuple()、set()、frozenset() 或 sorted()

与 filter() 函数一样,咱们能够从 map 对象中提取与原始类型不同类型的可迭代对象,并将其调配给变量。

上面是应用 map() 函数将列表中的每个我的项目乘以 10 并将映射值作为调配给变量 tpl 的元组输入的示例:

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() 函数之间的一个重要区别是第一个函数总是返回与原始函数雷同长度的迭代。因而因为 pandas Series 对象也是可迭代的,咱们能够在 DataFrame 列上利用 map() 函数来创立一个新列:

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

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

当然要在上述情况下取得雷同的后果,也能够应用 apply() 函数:

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

咱们还能够依据某些条件为另一列创立一个新的 DataFrame 列,对于上面的代码,咱们能够调换应用 map() 或 apply() 函数:

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

带有 reduce() 函数的 Lambda
reduce() 函数与 functools Python 模块相干,它的工作形式如下:

  • 对可迭代对象的前两项进行操作并保留后果
  • 对保留的后果和可迭代的下一项进行操作
  • 以这种形式在值对上进行,直到所有我的项目应用可迭代的

该函数与前两个函数具备雷同的两个参数:一个函数和一个可迭代对象。然而与后面的函数不同的是,这个函数不须要传递给任何其余函数,间接返回后果标量值:

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

Output:

15

下面的代码展现了咱们应用 reduce() 函数计算列表总和时的作用

须要留神的是,reduce() 函数总是须要一个带有两个参数的 lambda 函数,而且咱们必须首先从 functools Python 模块中导入它

Python 中 Lambda 函数的优缺点

长处

  • 它是评估单个表达式的现实抉择,应该只评估一次
  • 它能够在定义后立刻调用
  • 与相应的一般语法相比,它的语法更紧凑
  • 它能够作为参数传递给高阶函数,例如 filter()、map() 和 reduce()

毛病

  • 它不能执行多个表达式
  • 它很容易变得麻烦,可读性差,例如当它包含一个 if-elif-…-else 循环
  • 它不能蕴含任何变量赋值(例如,lambda x: x=0 将抛出一个语法错误)
  • 咱们不能为 lambda 函数提供文档字符串

总结
总而言之,咱们曾经具体探讨了在 Python 中定义和应用 lambda 函数的许多方面:

  • lambda 函数与一般 Python 函数有何不同
  • Python 中 lambda 函数的语法和分析
  • 何时应用 lambda 函数
  • lambda 函数的工作原理
  • 如何调用 lambda 函数
  • 调用函数执行(IIFE)的定义
  • 如何应用 lambda 函数执行条件操作,如何嵌套多个条件,以及为什么咱们应该防止它
  • 为什么咱们应该防止将 lambda 函数调配给变量
  • 如何将 lambda 函数与 filter() 函数一起应用
  • 如何将 lambda 函数与 map() 函数一起应用
  • 咱们如何在 pandas DataFrame 中应用
  • 带有传递给它的 lambda 函数的 map() 函数 – 以及在这种状况下应用的代替性能
  • 如何将 lambda 函数与 reduce() 函数一起应用
  • 在一般 Python 上应用 lambda 函数的优缺点

以上就是本次分享的所有内容,如果你感觉文章还不错,欢送关注公众号:Python 编程学习圈,每日干货分享,内容笼罩 Python 电子书、教程、数据库编程、Django,爬虫,云计算等等。或是返回编程学习网,理解更多编程技术常识。

正文完
 0