Python中的Lambda函数
Python 中的Lambda 函数是匿名函数意味着该函数没有名称,我们已经知道def关键字用于定义 Python 中的普通函数。类似地,lambda关键字用于在 Python 中定义匿名函数。 Lambda 函数使用一个表达式来获取任意数量的参数。
在本教程中,我们晓得博客将为你介绍Python中的Lambda函数,并探讨使用它们的优点和局限性。
什么是 Python 中的 Lambda 函数?
lambda 函数是一个匿名函数,它可以接受任意数量的参数,但与普通函数不同,它只计算并返回一个表达式。Python 中的 lambda 函数具有以下语法:
lambda arguments: expression
lambda 函数的剖析包括三个元素:
- lambda—类似普通函数def
- arguments——传递位置和关键字参数
- expression— 使用 lambda 函数评估给定参数的表达式
注意:与普通函数不同,我们不会用括号将 lambda 函数的参数括起来。如果 lambda 函数有两个或更多参数,用逗号列出它们。
使用 lambda 函数只计算一个短表达式(理想情况下,单行)并且只计算一次,这意味着我们以后不会应用这个函数。通常,我们将 lambda 函数作为参数传递给高阶函数(接受其他函数作为参数的函数),例如 Python 内置函数,如filter()
、map()
或reduce()
。
Lambda函数和def定义函数的区别
我们看这个例子,并尝试理解普通的 def 定义函数和 lambda 函数之间的区别。这是一个返回给定值的立方体的程序:
def cube(y):
return y*y*y
lambda_cube = lambda y: y*y*y
print(cube(5))
print(lambda_cube(5))
输出:
125 125
推荐:Python基础-函数
Python中的Lambda函数如何工作
让我们看一个简单的 lambda 函数示例:
lambda x: x + 1
<function __main__.<lambda>(x)>
上面的 lambda 函数接受一个参数,将其递增 1,然后返回结果。它是以下带有def
and return
关键字的普通函数的更简单版本:
def increment_by_one(x):
return x + 1
然而,目前,我们的 lambda 函数lambda x: x + 1
只创建一个函数对象并且不返回任何内容,我们没有为其 parameter 提供任何值(参数)x
。让我们先赋值一个变量,将它传递给 lambda 函数,看看这次我们得到了什么:
a = 2
print(lambda x: a + 1)
<function <lambda> at 0x00000250CB0A5820>
我们的 lambda 函数没有像我们预期的那样返回3
,而是返回函数对象本身及其内存位置。事实上,这不是调用 lambda 函数的正确方法。要将参数传递给 lambda 函数,执行它并返回结果,我们应该使用以下语法:
(lambda x: x + 1)(2)
3
虽然我们的 lambda 函数的参数没有用括号括起来,但当调用它时,会在 lambda 函数的整个构造以及我们传递给它的参数周围添加括号。上面代码中要注意的另一件事是,使用 lambda 函数,我们可以在创建函数后立即执行该函数并接收结果,这就是所谓的立即调用函数执行(或IIFE)。
我们可以创建一个带有多个参数的 lambda 函数。在这种情况下,我们用逗号分隔函数定义中的参数。当我们执行这样一个 lambda 函数时,我们以相同的顺序列出相应的参数,并用逗号分隔它们:
(lambda x, y, z: x + y + z)(3, 8, 1)
12
也可以使用 lambda 函数来执行条件操作。下面是一个简单if-else函数的 lambda 模拟:
print((lambda x: x if(x > 10) else 10)(5))
print((lambda x: x if(x > 10) else 10)(12))
10
12
如果存在多个条件(if-elif-…-else),我们必须嵌套它们:
(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)
110
问题是,已经有了一个嵌套条件,代码变得难以阅读,正如我们在上面看到的。在这种情况下,具有if-elif-…-else条件集的普通函数将是比 lambda 函数更好的选择。实际上,我们可以通过以下方式编写上面示例中的 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)
110
尽管上面的函数比相应的 lambda 函数跨越了更多的行,但它更容易阅读。我们可以将 lambda 函数分配给一个变量,然后将该变量作为普通函数调用:
increment = lambda x: x + 1
increment(2)
3
因此,如果我们确实需要存储一个函数以供进一步使用,而不是将 lambda 函数分配给变量,我们最好定义一个等效的普通函数。
Python中的Lambda函数应用
filter()
带有函数的 Lambda
我们使用 Python 中的函数根据预定义的 标准从 可迭代对象(如列表、集合、元组、系列等)filter()
中选择某些项目。它需要两个参数:
- 定义过滤条件的函数
- 函数在其上运行的可迭代对象
作为这个操作的结果,我们得到一个过滤器对象:
lst = [33, 3, 22, 2, 11, 1]
filter(lambda x: x > 10, lst)
<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目都满足预定义的条件,我们需要将过滤器对象传递给 Python 标准库的相应函数:list()
, tuple()
, set()
, frozenset()
, 或sorted()
(返回一个排序列表)。
让我们过滤一个数字列表,只选择大于 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))
[11, 22, 33]
我们不必创建与原始对象相同类型的新可迭代对象。此外,我们可以将此操作的结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
(33, 22, 11)
map()
带有函数的 Lambda
我们使用Python 中的map()函数对可迭代的每个项目执行特定操作。它的语法与filter()
:要执行的函数和该函数适用的可迭代对象相同。该map()
函数返回一个 map 对象,我们可以通过将该对象传递给相应的 Python 函数来从中获取一个新的可迭代对象:list()
、tuple()
、set()
、frozenset()
或sorted()
。
与filter()
函数一样,我们可以从映射对象中提取与原始类型不同类型的迭代,并将其分配给变量。下面是使用该map()
函数将列表中的每个项目乘以 10 并将映射值作为分配给变量的元组输出的示例tpl
:
lst = [1, 2, 3, 4, 5]
print(map(lambda x: x * 10, lst))
tpl = tuple(map(lambda x: x * 10, lst))
tpl
<map object at 0x00000250CB0D5F40>
(10, 20, 30, 40, 50)
map()
和函数之间的一个重要区别filter()
是,第一个函数总是返回与原始函数相同长度的迭代。因此,由于 pandas Series 对象也是可迭代对象,我们可以map()
在 DataFrame 列上应用该函数来创建一个新列:
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
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
请注意,要在上述情况下获得相同的结果,也可以使用以下apply()
函数:
df['col3'] = df['col1'].apply(lambda x: x * 10)
df
col1 col2 col3
0 1 0 10
1 2 0 20
2 3 0 30
3 4 0 40
4 5 0 50
我们还可以根据某些条件为另一列创建一个新的 DataFrame 列。再一次,对于下面的代码,我们可以互换使用map()
or函数:apply()
df['col4'] = df['col3'].map(lambda x: 30 if x < 30 else x)
df
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
reduce()
带有函数的 Lambda
该reduce()
函数与functools Python 模块相关,它的工作方式如下:
- 对可迭代对象的前两项进行操作并保存结果
- 对保存的结果和可迭代的下一项进行操作
- 以这种方式对值对进行处理,直到
使用可迭代的所有项目
该函数与前两个函数具有相同的两个参数:一个函数和一个可迭代对象。但是,与前面的函数不同,这个函数不需要传递给任何其他函数,直接返回结果标量值:
from functools import reduce
lst = [1, 2, 3, 4, 5]
reduce(lambda x, y: x + y, lst)
15
上面的代码显示了reduce()
当我们使用它来计算列表的总和时函数的作用(即使对于这样一个简单的操作,我们会使用更好的解决方案:)sum(lst)
。
请注意,该reduce()
函数总是需要一个带有两个参数的 lambda 函数——而且我们必须首先从functools Python 模块中导入它。
推荐:
Python错误处理
Python中的Lambda函数的优缺点
Python中的Lambda函数优点
- 是只评估单个表达式的理想选择
- 可以在定义后立即调用
- 与相应的普通函数相比,语法更紧凑
- 可以作为参数传递给高阶函数,例如
filter()
、map()
和reduce()
。
Python中的Lambda函数缺点
- 不能执行多个表达式。
- 很容易变得很麻烦,例如当它包含一个if-elif-…-else循环时。
- 不能包含任何变量赋值(例如,
lambda x: x=0
将抛出一个SyntaxError
)。 - 不能为 lambda 函数提供文档字符串。
结论
以上是晓得博客为你介绍的Python中的Lambda函数的全部内容,我们已经详细讨论了在Python中lambda函数的许多方面,希望本教程有助于使 lambda 函数概念更清晰、更易于应用!