【Python】Python lambda 函數(shù)深度總結(jié)
今天我們來學(xué)習(xí) Python 中的 lambda 函數(shù)，并探討使用它的優(yōu)點和局限性
Let's do it！
什么是 Python 中的 Lambda 函數(shù)
lambda 函數(shù)是一個匿名函數(shù)（即，沒有名稱定義），它可以接受任意數(shù)量的參數(shù)，但與普通函數(shù)不同，它只計算并返回一個表達(dá)式
Python 中的 lambda 函數(shù)使用以下語法表達(dá)：
lambda 參數(shù)：表達(dá)式
lambda 函數(shù)包括三個元素：
關(guān)鍵字 lambda：與普通函數(shù)中 def 類似 參數(shù)：支持傳遞位置和關(guān)鍵字參數(shù)，與普通函數(shù)一樣 正文：處理定參數(shù)的表達(dá)式
需要注意的是，普通函數(shù)不同，這里不需要用括號將 lambda 函數(shù)的參數(shù)括起來，如果 lambda 函數(shù)有兩個或更多參數(shù)，我們用逗號列出它們
我們使用 lambda 函數(shù)只計算一個短表達(dá)式（理想情況下，單行）并且只計算一次，這意味著我們以后不會再復(fù)用這個函數(shù)。通常來說我們會將 lambda 函數(shù)作為參數(shù)傳遞給高階函數(shù)（接受其他函數(shù)作為參數(shù)的函數(shù)），例如 Python 內(nèi)置函數(shù)，如 filter()、map() 或 reduce()等
Python 中的 Lambda 函數(shù)如何工作
讓我們看一個簡單的 lambda 函數(shù)示例：
lambda?x:?x?+?1
Output:
(x)>
上面的 lambda 函數(shù)接受一個參數(shù)，將其遞增 1，然后返回結(jié)果
它是以下帶有 def 和 return 關(guān)鍵字的普通函數(shù)的更簡單版本：
def?increment_by_one(x):
????return?x?+?1
到目前我們的 lambda 函數(shù) lambda x: x + 1 只創(chuàng)建一個函數(shù)對象，不返回任何內(nèi)容，這是因為我們沒有為其參數(shù) x 提供任何值（參數(shù)）。讓我們先分配一個變量，將它傳遞給 lambda 函數(shù)，看看這次我們得到了什么：
a?=?2
print(lambda?x:?a?+?1)
Output:
at 0x00000250CB0A5820>
我們的 lambda 函數(shù)沒有像我們預(yù)期的那樣返回 3，而是返回了函數(shù)對象本身及其內(nèi)存位置，可以看出這不是調(diào)用 lambda 函數(shù)的正確方法。要將參數(shù)傳遞給 lambda 函數(shù)，執(zhí)行它并返回結(jié)果，我們應(yīng)該使用以下語法：
(lambda?x:?x?+?1)(2)
Output:
3
雖然我們的 lambda 函數(shù)的參數(shù)沒有用括號括起來，但當(dāng)我們調(diào)用它時，我們會在 lambda 函數(shù)的整個構(gòu)造以及我們傳遞給它的參數(shù)周圍添加括號
上面代碼中要注意的另一件事是，使用 lambda 函數(shù)，我們可以在創(chuàng)建函數(shù)后立即執(zhí)行該函數(shù)并接收結(jié)果。這就是所謂的立即調(diào)用函數(shù)執(zhí)行（或 IIFE）
我們可以創(chuàng)建一個帶有多個參數(shù)的 lambda 函數(shù)，在這種情況下，我們用逗號分隔函數(shù)定義中的參數(shù)。當(dāng)我們執(zhí)行這樣一個 lambda 函數(shù)時，我們以相同的順序列出相應(yīng)的參數(shù)，并用逗號分隔它們：
(lambda?x,?y,?z:?x?+?y?+?z)(3,?8,?1)
Output:
12
也可以使用 lambda 函數(shù)來執(zhí)行條件操作。下面是一個簡單 if-else 函數(shù)的 lambda 模擬：
print((lambda?x:?x?if(x?>?10)?else?10)(5))
print((lambda?x:?x?if(x?>?10)?else?10)(12))
Output:
10
12
如果存在多個條件（if-elif-...-else），我們必須嵌套它們：
(lambda?x:?x?*?10?if?x?>?10?else?(x?*?5?if?x?5?else?x))(11)
Output:
110
但是上面的寫法，又令代碼變得難以閱讀
在這種情況下，具有 if-elif-...-else 條件集的普通函數(shù)將是比 lambda 函數(shù)更好的選擇。實際上，我們可以通過以下方式編寫上面示例中的 lambda 函數(shù)：
def?check_conditions(x):
????if?x?>?10:
????????return?x?*?10
????elif?x?5:
????????return?x?*?5
????else:
????????return?x
check_conditions(11)
Output:
110
盡管上面的函數(shù)比相應(yīng)的 lambda 函數(shù)增加了更多行，但它更容易閱讀
我們可以將 lambda 函數(shù)分配給一個變量，然后將該變量作為普通函數(shù)調(diào)用：
increment?=?lambda?x:?x?+?1
increment(2)
Output:
3
但是根據(jù) Python 代碼的 PEP 8 樣式規(guī)則，這是一種不好的做法
賦值語句的使用消除了 lambda 表達(dá)式相對于顯式 def 語句所能提供的唯一好處（即，它可以嵌入到更大的表達(dá)式中）
因此如果我們確實需要存儲一個函數(shù)以供進(jìn)一步使用，我們最好定義一個等效的普通函數(shù)，而不是將 lambda 函數(shù)分配給變量
Lambda 函數(shù)在 Python 中的應(yīng)用
帶有 filter() 函數(shù)的 Lambda
Python 中的 filter() 函數(shù)需要兩個參數(shù)：
定義過濾條件的函數(shù) 函數(shù)在其上運行的可迭代對象
運行該函數(shù)，我們得到一個過濾器對象：
lst?=?[33,?3,?22,?2,?11,?1]
filter(lambda?x:?x?>?10,?lst)
Output:
為了從過濾器對象中獲取一個新的迭代器，并且原始迭代器中的所有項都滿足預(yù)定義的條件，我們需要將過濾器對象傳遞給 Python 標(biāo)準(zhǔn)庫的相應(yīng)函數(shù)：list()、tuple()、set ()、frozenset() 或 sorted()（返回排序列表）
讓我們過濾一個數(shù)字列表，只選擇大于 10 的數(shù)字并返回一個按升序排序的列表：
lst?=?[33,?3,?22,?2,?11,?1]
sorted(filter(lambda?x:?x?>?10,?lst))
Output:
[11, 22, 33]
我們不必創(chuàng)建與原始對象相同類型的新可迭代對象，此外我們可以將此操作的結(jié)果存儲在一個變量中：
lst?=?[33,?3,?22,?2,?11,?1]
tpl?=?tuple(filter(lambda?x:?x?>?10,?lst))
tpl
Output:
(33, 22, 11)
帶有 map() 函數(shù)的 Lambda
我們使用 Python 中的 map() 函數(shù)對可迭代的每個項目執(zhí)行特定操作。它的語法與 filter() 相同：一個要執(zhí)行的函數(shù)和一個該函數(shù)適用的可迭代對象。
map() 函數(shù)返回一個 map 對象，我們可以通過將該對象傳遞給相應(yīng)的 Python 函數(shù)來從中獲取一個新的迭代：list()、tuple()、set()、frozenset() 或 sorted()
與 filter() 函數(shù)一樣，我們可以從 map 對象中提取與原始類型不同類型的可迭代對象，并將其分配給變量。
下面是使用 map() 函數(shù)將列表中的每個項目乘以 10 并將映射值作為分配給變量 tpl 的元組輸出的示例：
lst?=?[1,?2,?3,?4,?5]
print(map(lambda?x:?x?*?10,?lst))
tpl?=?tuple(map(lambda?x:?x?*?10,?lst))
tpl
Output:
map() 和 filter() 函數(shù)之間的一個重要區(qū)別是第一個函數(shù)總是返回與原始函數(shù)相同長度的迭代。因此由于 pandas Series 對象也是可迭代的，我們可以在 DataFrame 列上應(yīng)用 map() 函數(shù)來創(chuàng)建一個新列：
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
當(dāng)然要在上述情況下獲得相同的結(jié)果，也可以使用 apply() 函數(shù)：
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
我們還可以根據(jù)某些條件為另一列創(chuàng)建一個新的 DataFrame 列，對于下面的代碼，我們可以互換使用 map() 或 apply() 函數(shù)：
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
帶有 reduce() 函數(shù)的 Lambda
reduce() 函數(shù)與 functools Python 模塊相關(guān)，它的工作方式如下：
對可迭代對象的前兩項進(jìn)行操作并保存結(jié)果 對保存的結(jié)果和可迭代的下一項進(jìn)行操作 以這種方式在值對上進(jìn)行，直到所有項目使用可迭代的
該函數(shù)與前兩個函數(shù)具有相同的兩個參數(shù)：一個函數(shù)和一個可迭代對象。但是與前面的函數(shù)不同的是，這個函數(shù)不需要傳遞給任何其他函數(shù)，直接返回結(jié)果標(biāo)量值：
from?functools?import?reduce
lst?=?[1,?2,?3,?4,?5]
reduce(lambda?x,?y:?x?+?y,?lst)
Output:
15
上面的代碼展示了我們使用 reduce() 函數(shù)計算列表總和時的作用
需要注意的是，reduce() 函數(shù)總是需要一個帶有兩個參數(shù)的 lambda 函數(shù)，而且我們必須首先從 functools Python 模塊中導(dǎo)入它
Python 中 Lambda 函數(shù)的優(yōu)缺點
優(yōu)點
它是評估單個表達(dá)式的理想選擇，應(yīng)該只評估一次 它可以在定義后立即調(diào)用 與相應(yīng)的普通語法相比，它的語法更緊湊 它可以作為參數(shù)傳遞給高階函數(shù)，例如 filter()、map() 和 reduce()
缺點
它不能執(zhí)行多個表達(dá)式 它很容易變得麻煩，可讀性差，例如當(dāng)它包括一個 if-elif-...-else 循環(huán) 它不能包含任何變量賦值（例如，lambda x: x=0 將拋出一個語法錯誤） 我們不能為 lambda 函數(shù)提供文檔字符串
總結(jié)
總而言之，我們已經(jīng)詳細(xì)討論了在 Python 中定義和使用 lambda 函數(shù)的許多方面：
lambda 函數(shù)與普通 Python 函數(shù)有何不同 Python 中 lambda 函數(shù)的語法和剖析 何時使用 lambda 函數(shù) lambda 函數(shù)的工作原理 如何調(diào)用 lambda 函數(shù) 調(diào)用函數(shù)執(zhí)行（IIFE）的定義 如何使用 lambda 函數(shù)執(zhí)行條件操作，如何嵌套多個條件，以及為什么我們應(yīng)該避免它 為什么我們應(yīng)該避免將 lambda 函數(shù)分配給變量 如何將 lambda 函數(shù)與 filter() 函數(shù)一起使用 如何將 lambda 函數(shù)與 map() 函數(shù)一起使用 我們?nèi)绾卧?pandas DataFrame 中使用 帶有傳遞給它的 lambda 函數(shù)的 map() 函數(shù) - 以及在這種情況下使用的替代功能 如何將 lambda 函數(shù)與 reduce() 函數(shù)一起使用 在普通 Python 上使用 lambda 函數(shù)的優(yōu)缺點
希望今天的討論可以使 Python 中看似令人生畏的 lambda 函數(shù)概念更清晰、更易于應(yīng)用，更希望小伙伴們能夠喜歡，喜歡就點個贊吧！