網站首頁編程語言正文

Python?lambda匿名函數深入講解_python

作者：楊jun堅 ? 更新時間： 2023-03-18 編程語言

一，Python中lambda函數的語法

lambda 函數在 Python 編程語言中使用頻率非常高，使用起來非常靈活、巧妙；lambda 函數是一個匿名函數（即，沒有名稱定義），它可以接受任意數量的參數，但與普通函數不同，它只計算并返回一個表達式

Python 中的 lambda 函數使用以下語法表達：

lambda [arg1 [,arg2,.....argn]]:expression
"""
lambda ： Python 預留的關鍵字，類似普通函數中 def 
[arg…] ： 是參數列表，它的結構與 Python 中函數(function)的參數列表是一樣的，
          需要注意的是，普通函數不同，這里不需要用括號將 lambda 函數的參數括起來，
          如果 lambda 函數有兩個或更多參數，用逗號列出它們。
expression ：一個參數表達式，表達式中出現的參數需要在[arg......]中有定義，并且表達式只能是單行的，只能有一個表達式。
"""

一個簡單的 lambda 函數示例：

lambda x: x + 1
#上面的 lambda 函數接受一個參數，將其遞增 1，然后返回結果
#它是以下帶有 def 和 return 關鍵字的普通函數的更簡單版本：
def increment_by_one(x):
    return x + 1

一個多參數的 lambda 函數示例：

lambda x, y, z: x + y + z
# 用逗號分隔函數定義中的參數。當執行這樣一個 lambda 函數時，以相同的順序列出相應的參數，并用逗號分隔它們
print((lambda x, y, z: x + y + z)(1, 2, 3))

二，兩個注意點

注意點1：

lambda 函數也可以執行條件操作，例如

print((lambda x: x if(x > 10) else 10)(5))   # 10
#### 它是以下帶有 def 和 return 關鍵字的普通函數的更簡單版本：
def fun(x):
    if x > 10:
        return x
    else:
        return 10
fun(5)
####  嵌套使用
(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)
# 等價于 def 和 return 關鍵字的普通函數
def fun(x):
    if x > 10:
        return x * 10
    elif x < 5:
        return x * 5
    else:
        return x
fun(11)

注意：在這種情況下，具有 if-elif-…-else 條件集的普通函數將是比 lambda 函數更好的選擇，雖然函數定義比相應的 lambda 函數增加了更多行，但它更容易閱讀。如果團隊成員都可以接受，那也就無關緊要了。

注意點2：

lambda 函數被賦值給一個變量，然后將該變量作為普通函數調用，甚至可以被賦值給其他函數，從而將其他函數用該lambda函數替換。

# lambda 函數被賦值給一個變量
f = lambda x: x ** 2
f(2)

但是根據 Python 代碼的 PEP 8 樣式規則，這是一種不好的做法，感覺多此一舉。

賦值語句的使用消除了lambda表達式優于顯式def表達式的唯一優勢(即lambda表達式可以內嵌到更大的表達式中)。

## 賦值給其他函數
time.sleep=lambda x: None
time.sleep(3) # 程序不會休眠 3 秒鐘，而是因為lambda輸出為None，所以這里結果是什么都不做

這種做法也沒錯誤，但是相信也沒有開發人員會這么干的。

三，lambda 應用

1，作為高階函數的回調函數

1），map() 函數：

描述：

map() 會根據提供的函數對指定序列做映射。

第一個參數 function 以參數序列中的每一個元素調用 function 函數，返回包含每次 function 函數返回值的新列表。

語法：

map(function, iterable, …)

參數：

function ：函數

iterable ：一個或多個序列

返回值：

Python 2.x 版本返回的是列表

Python 3.x 版本返回的是迭代器

# 計算平方數 
print(tuple(map(lambda x: x ** 2, [1, 2, 3, 4, 5])))   # py3
print(map(lambda x: x ** 2, [1, 2, 3, 4, 5]))          # py2
# 結果：
[1, 4, 9, 16, 25]
# 提供兩個列表，將其相同索引位置的列表元素進行相加
map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])   # py2
# 結果：
[3, 7, 11, 15, 19]

2），reduce() 函數：

描述：

函數將一個數據集合（鏈表，元組等）中的所有數據進行下列操作：用傳給 reduce 中的函數 function（有兩個參數）先對集合中的第 1、2 個元素進行操作，得到的結果再與第三個數據用 function 函數運算，最后得到一個結果。

語法：

reduce(function, iterable[, initializer])

參數：

function：函數，有兩個參數

iterable ：可迭代對象

initializer ：可選，初始參數

返回值：

返回函數計算結果。

實例

from functools import reduce
lst = [1, 2, 3, 4, 5]
print(reduce(lambda x, y: x + y, lst))
# 結果： 15
"""
===========執行步驟解析：===========
調用 reduce(lambda x, y: x + y, lst)時，reduce函數將做如下計算：
1 先計算頭兩個元素：f(1, 2)，結果為3；
2 再把結果和第3個元素計算：f(3, 3)，結果為6；
3 再把結果和第4個元素計算：f(6, 4)，結果為10；
4 再把結果和第5個元素計算：f(10, 5)，結果為15；
5 由于沒有更多的元素了，計算結束，返回結果15。
"""

3），sorted() 函數：

描述：

sorted() 函數對所有可迭代的對象進行排序操作。

sort 與 sorted 區別：

sort 是 list 的一個方法，而 sorted 可以對所有可迭代的對象進行排序操作。

list 的 sort 方法返回的是對已經存在的列表進行操作，無返回值，而內建函數 sorted 方法返回的是一個新的 list，而不是在原來的基礎上進行的操作。

語法：

sorted(iterable, key=None, reverse=False)

參數說明：

iterable：可迭代對象。

key：主要是用來進行比較的元素，只有一個參數，具體的函數的參數就是取自于可迭代對象中，指定可迭代對象中的一個元素來進行排序。

reverse ：排序規則，reverse = True 降序， reverse = False 升序（默認）。

返回值：

返回重新排序的列表。

實例

# 按年齡升序排列
persons = [('kenny', 15), ('yang', 12), ('liu', 10)]
print(sorted(persons, key=lambda s: s[1]))
# 結果： [('liu', 10), ('yang', 12), ('kenny', 15)]

4），filter() 函數：

描述：

filter() 函數用于過濾序列，過濾掉不符合條件的元素，返回由符合條件元素組成的新列表。

該接收兩個參數，第一個為函數，第二個為序列，序列的每個元素作為參數傳遞給函數進行判斷，然后返回 True 或 False，最后將返回 True 的元素放到新列表中。

語法：

filter(function, iterable)

參數：

function：判斷函數。

iterable ：可迭代對象。

返回值：

Pyhton2.x 返回列表

Python3.x 返回迭代器對象

實例

# 過濾出偶數
newlist = filter(lambda x: x % 2 == 0, range(1, 11))
print(list(newlist))
# 結果： [2, 4, 6, 8, 10]

2， Pandas 與 lambda 結合進行高效數據分析

在使用pandas的過程中，我們可以結合lambda函數很方便的進行各種數據處理操作。而lambda在pandas就又經常和df.assign、df.apply兩個函數組合使用

使用lambda增加Dataframe一列

import pandas as pd
df = pd.DataFrame({
    "name": ["xiaoming", "xiaohong", "xiaosu"],
    "weight": [78, 65, 87],
    "height": [1.82, 1.75, 1.89]
})
### df.apply
df['BMI'] = df.apply(lambda x: x["weight"] / (x["height"] ** 2), axis=1)
print(df)
## df.assign
df1 = df.assign(BMI=lambda x: x["weight"] / (x["height"] ** 2))
print(df1)
#輸出：
"""
       name  weight  height        BMI
0  xiaoming      78    1.82  23.547881
1  xiaohong      65    1.75  21.224490
2    xiaosu      87    1.89  24.355421
"""

當然不使用lambda 也是可以計算BMI。

df["BMI_N"] = df["weight"] / (df["height"] ** 2)
print(df)
#輸出：
"""
       name  weight  height        BMI      BMI_N
0  xiaoming      78    1.82  23.547881  23.547881
1  xiaohong      65    1.75  21.224490  21.224490
2    xiaosu      87    1.89  24.355421  24.355421
"""

但是，當涉及到使用if …else時，使用lambda就很高效了

import pandas as pd
df = pd.DataFrame({
    "name": ["xiaoming", "xiaohong", "xiaosu"],
    "weight": [78, 65, 87],
    "height": [1.82, 1.75, 1.89]
})
df['BMI'] = df.apply(lambda x: '肥胖' if x["weight"] / (x["height"] ** 2) > 22 else '正常', axis=1)
print(df)
#輸出：
"""
       name  weight  height BMI
0  xiaoming      78    1.82  肥胖
1  xiaohong      65    1.75  正常
2    xiaosu      87    1.89  肥胖
"""

原文鏈接：https://blog.csdn.net/yangjjuan/article/details/127459111

上一篇：Python函數參數分類使用與新特性詳細分析講解_pytho
下一篇：C#調用dll報錯:無法加載dll,找不到指定模塊的解決_C

日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

網站首頁編程語言正文

Python?lambda匿名函數深入講解_python

目錄

一，Python中lambda函數的語法

二，兩個注意點

三，lambda 應用

相關推薦

日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

網站首頁 編程語言 正文

Python?lambda匿名函數深入講解_python

目錄

一，Python中lambda函數的語法

二，兩個注意點

三，lambda 應用

相關推薦

網站首頁編程語言正文

一，Python中lambda函數的語法

二，兩個注意點

三，lambda 應用