Python中lambda指的是什么

发布时间：2020-09-08 14:53:20

来源：亿速云

阅读：66

作者：小新

这篇文章将为大家详细讲解有关Python中lambda指的是什么，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

在学习python的过程中，lambda的语法时常会使人感到困惑，lambda是什么，为什么要使用lambda，是不是必须使用lambda？

下面就上面的问题进行一下解答。

lambda是什么？

看个例子：g = lambda x:x+1

看一下执行的结果：g(1)>>>2g(2)>>>3

当然，你也可以这样使用：lambda x:x+1(1)>>>2

可以这样认为,lambda作为一个表达式，定义了一个匿名函数，上例的代码x为入口参数，x+1为函数体，用函数来表示为：def g(x):2 return x+1

非常容易理解，在这里lambda简化了函数定义的书写形式。是代码更为简洁，但是使用函数的定义方式更为直观，易理解。

Python中，也有几个定义好的全局函数方便使用的，filter, map, reduce:>>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]

>>>>>> print filter(lambda x: x % 3 == 0, foo)

[18, 9, 24, 12, 27]>>> >>> print map(lambda x: x * 2 + 10, foo)

[14, 46, 28, 54, 44, 58, 26, 34, 64]

>>>>>> print reduce(lambda x, y: x + y, foo)139

上面例子中的map的作用，非常简单清晰。但是，Python是否非要使用lambda才能做到这样的简洁程度呢？在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。

比如上面map的例子，可以写成：print [x * 2 + 10 for x in foo]

非常的简洁，易懂。

filter的例子可以写成：print [x for x in foo if x % 3 == 0]

同样也是比lambda的方式更容易理解。

上面简要介绍了什么是lambda,下面介绍为什么使用lambda,看一个例子(来自apihelper.py):processFunc = collapse and (lambda s: " ".join(s.split())) or (lambda s: s)

在Visual Basic，你很有可能要创建一个函数，接受一个字符串参数和一个 collapse 参数，并使用 if语句确定是否压缩空白，然后再返回相应的值。这种方式是低效的，因为函数可能需要处理每一种可能的情况。每次你调用它，它将不得不在给出你所想要的东西之前，判断是否要压缩空白。在 Python 中，你可以将决策逻辑拿到函数外面，而定义一个裁减过的 lambda函数提供确切的 (唯一的) 你想要的。这种方式更为高效、更为优雅，而且很少引起那些令人讨厌 的错误。

通过此例子，我们发现，lambda的使用大量简化了代码，使代码简练清晰。但是值得注意的是，这会在一定程度上降低代码的可读性。如果不是非常熟悉python的人或许会对此感到不可理解。lambda 定义了一个匿名函数

lambda 并不会带来程序运行效率的提高，只会使代码更简洁。

如果可以使用for...in...if来完成的，坚决不用lambda。

如果使用lambda，lambda内不要包含循环，如果有，我宁愿定义函数来完成，使代码获得可重用性和更好的可读性。

总结：lambda 是为了减少单行函数的定义而存在的。

关于Python中lambda指的是什么就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。

一、lambda函数也叫匿名函数，即，函数没有具体的名称。先来看一个最简单例子：

def f(x):

return x**2

print f(4)

Python中使用lambda的话，写成这样

g = lambda x : x**2

print g(4)

二、lambda和普通的函数相比，就是省去了函数名称而已，同时这样的匿名函数，又不能共享在别的地方调用。

其实说的没错，lambda在Python这种动态的语言中确实没有起到什么惊天动地的作用，因为有很多别的方法能够代替lambda。

1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。

2. 对于一些抽象的，不会别的地方再复用的函数，有时候给函数起个名字也是个难题，使用lambda不需要考虑命名的问题。

3. 使用lambda在某些时候让代码更容易理解。

lambda基础

lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边的返回值。lambda语句构建的其实是一个函数对象，见证一下：

>>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]>>> print filter(lambda x: x % 3 == 0, foo)

[18, 9, 24, 12, 27]>>> print map(lambda x: x * 2 + 10, foo)

[14, 46, 28, 54, 44, 58, 26, 34, 64]>>> print reduce(lambda x, y: x + y, foo)

139

在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。

以Mark Lutz著的《Python学习手册》为教程，每天花1个小时左右时间学习，争取两周完成。 --- 写在前面的话

2013-7-22 21:00 学习笔记

1，lambda的一般形式是关键字lambda后面跟一个或多个参数，紧跟一个冒号，以后是一个表达式。lambda是一个表达式而不是一个语句。它能够出现在Python语法不允许def出现的地方。作为表达式，lambda返回一个值(即一个新的函数)。lambda用来编写简单的函数，而def用来处理更强大的任务。

f = lambda x,y,z : x+y+z

print f(1,2,3)

g = lambda x,y=2,z=3 : x+y+z

print g(1,z=4,y=5)

输出结果为：

2，lambda表达式常用来编写跳转表(jump table)，就是行为的列表或字典。例如：

L = [(lambda x: x**2),

(lambda x: x**3),

(lambda x: x**4)]

print L[0](2),L[1](2),L[2](2)

D = {'f1':(lambda: 2+3),

'f2':(lambda: 2*3),

'f3':(lambda: 2**3)}

print D['f1'](),D['f2'](),D['f3']()

输出结果为：

4 8 16

5 6 8

3，lambda表达式可以嵌套使用，但是从可读性的角度来说，应尽量避免使用嵌套的lambda表达式。

4，map函数可以在序列中映射函数进行操作。例如：

def inc(x):

return x+10

L = [1,2,3,4]

print map(inc,L)

print map((lambda x: x+10),L)

输出结果为：

[11, 12, 13, 14]

[11, 12, 13, 14]

5，列表解析可以实现map函数同样的功能，而且往往比map要快。例如：

print [x**2 for x in range(10)]

print map((lambda x: x**2), range(10))

输出结果为：

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

6，列表解析比map更强大。例如：

print [x+y for x in range(5) if x%2 == 0 for y in range(10) if y%2 ==1]

输出结果为：

[1, 3, 5, 7, 9, 3, 5, 7, 9, 11, 5, 7, 9, 11, 13]

7，生成器函数就像一般的函数，但它们被用作实现迭代协议，因此生成器函数只能在迭代语境中出现。例如：

def gensquares(N):

for i in range(N):

yield i**2

for i in gensquares(5):

print i,

输出结果为：

0 1 4 9 16

8，所有的迭代内容(包括for循环、map调用、列表解析等等)将会自动调用iter函数，来看看是不是支持了迭代协议。

9，生成器表达式就像列表解析一样，但它们是扩在圆括号()中而不是方括号[]中。例如：

for num in (x**2 for x in range(5)):

print num,

输出结果为：

0 1 4 9 16

10，列表解析比for循环具有更好的性能。尽管如此，在编写Python代码时，性能不应该是最优先考虑的。

11，没有return语句时，函数将返回None对象。

12，函数设计的概念：

耦合性：只有在真正必要的情况下才使用全局变量

耦合性：不要改变可变类型的参数，除非调用者希望这样做

耦合性：避免直接改变另一个文件模块中的变量

聚合性：每一个函数都应有一个单一的、统一的目标

13，最后给个默认参数和可变参数的例子：

def saver(x=[]):

x.append(1)

print x

saver([2])

saver()

saver()

saver()

输出结果为：

[2, 1]

[1]

[1, 1]

[1, 1, 1]

欢迎关注 “小白玩转Python”，发现更多 “有趣”

引言

Lambda 函数（也称为匿名函数）是函数式编程中的核心概念之一。

支持多编程范例的 Python 也提供了一种简单的方法来定义 lambda 函数。

用 Python 编写 lambda 函数的模板是:

lambda arguments : expression

它包括三个部分:

· Lambda 关键字

· 函数将接收的参数

· 结果为函数返回值的表达式

由于它的简单性，lambda 函数可以使我们的 Python 代码在某些使用场景中更加优雅。这篇文章将演示在 Python 中 lambda 函数的5个常见用法，并用有趣的例子来解释它们。

1.命名使用

如果我们只需要一个简单的函数，lambda 是一个很好的选择，因为它可以被看作是定义函数的一种更简单的方法。因此，我们可以给它一个名称，并像普通函数一样使用它。

lambda_add_ten = lambda x: x + 10
print(lambda_add_ten(5))
# 15


def add_ten(x):
    return x + 10
print(add_ten(5))
# 15

如上面的例子所示，add_ten() 和 lambda_add_ten() 方法的结果是相同的，但是 lambda 函数可以使我们的代码更短更清晰。

2. 与高阶函数配合

如果我们可以将 lambda 函数与 map()、 filter()和 reduce()等高阶函数一起使用，那么程序将变得更加优雅。

让我们来看下面这个问题：

给你一个列表如下，你能打印其中所有的奇数吗？

numbers = [1, 12, 37, 43, 51, 62, 83, 43, 90, 2020]

这个问题看起来很简单，但它足以区分初级和高级 Python 开发人员。

初级程序员可能会编写如下代码:

odd_number = []
for n in numbers:
    if n % 2 == 1:
        odd_number.append(n)
print(odd_number)
# [1, 37, 43, 51, 83, 43]

它工作正常，没有任何问题。然而，一个高级 Python 程序员只需要一行代码就可以做同样的事情:

print(list(filter(lambda x: x % 2 == 1, numbers)))
# [1, 37, 43, 51, 83, 43]

它看起来更优雅，不是吗？

顺便说一下，上面的一行解决方案只是为了展示如何使用 lambda 函数。当然还有其他的单行解决方案，比如列表解析:

odd_numbers = [i for i in numbers if i % 2 == 1]

实际上，在许多情况下，列表内涵函数可能比高阶函数与 lambda 函数协作更具可读性。

3.赋予“key”参数

一些内置方法具有关键的参数，这些参数给我们提供了更多的灵活性。

例如，当我们使用 sorted()或 sort()方法对 Python 中的迭代进行排序时，关键参数决定如何比较迭代中的两个元素。

这里也是 lambda 函数的表演时间。

leaders = ["Warren Buffett", "Yang Zhou", "Tim Cook", "Elon Musk"]
print(leaders)
# ['Warren Buffett', 'Yang Zhou', 'Tim Cook', 'Elon Musk']
leaders.sort(key=lambda x: len(x))
print(leaders)
# ['Tim Cook', 'Yang Zhou', 'Elon Musk', 'Warren Buffett']

如上所述，如果我们按照每个名称的长度对 leaders 列表进行排序，一个简单的方法是向 key 参数传递一个 lambda 函数。

另一个常见的使用场景是根据字典的键或值对其进行排序。

leaders = {4: "Yang Zhou", 2: "Elon Musk", 3: "Tim Cook", 1: "Warren Buffett"}
print(leaders)
# {4: 'Yang Zhou', 2: 'Elon Musk', 3: 'Tim Cook', 1: 'Warren Buffett'}
leaders = dict(sorted(leaders.items(), key=lambda x: x[0]))
print(leaders)
# {1: 'Warren Buffett', 2: 'Elon Musk', 3: 'Tim Cook', 4: 'Yang Zhou'}

4.立即调用

立即调用的函数表达式(IIFE)是 JavaScript 中的一种习惯用法。Python 中的 lambda 函数也支持这个技巧。我们可以立即运行一个 lambda 函数，如下所示:

>>> (lambda x,y:x*y)(2,3)
6

但是，出于可读性和可维护性的考虑，最好只在 Python 的交互式解释器中使用这个技巧。

顺便说一句，如果你熟悉Python中的下划线技巧，则也可以使用以下方式。

>>> lambda x,y:x*y
<function <lambda> at 0x7fc319102d30>
>>> _(2,3)
6

5.在闭包中使用

闭包是一个功能强大的函数式编程特性，在 Python 中也可以使用。因为它是关于嵌套函数的，所以我们可以使用 lambda 函数来使程序更加清晰。

下面是使用闭包的一个例子:

def outer_func():
    leader = "Yang Zhou"
    def print_leader(location=""):
        return leader + " in the " + location
    return print_leader


Lead = outer_func()("UK")
print(Lead)
# Yang Zhou in the UK

我们该如何使用 lambda 函数来简化上面的代码？

def outer_func():
    leader = "Yang Zhou"
    return lambda location="": leader + " in the " + location


Lead = outer_func()("UK")
print(Lead)
# Yang Zhou in the UK

正如上面的例子所示，当我们使用嵌套函数时，lambda 函数可以帮助我们编写更易读和清晰的代码。

总结

Python 中的 lambda 函数为我们提供了更多的灵活性和方法设计选项。总之，我们应该熟悉以上五种常见用法，以便正确使用，而不是过度使用。

·  END  ·

HAPPY LIFE