如何在 Python 中使用 Lambda 函数
python 中的 lambda 函数是动态创建小型匿名函数的强大方法。这些函数通常用于简短的操作，其中不需要完整函数定义的开销。
传统函数是使用 def 关键字定义的，而 lambda 函数是使用 lambda 关键字定义的，并且直接集成到代码行中。特别是，它们经常用作内置函数的参数。它们使开发人员无需临时函数定义即可编写干净且可读的代码。
在本文中，我们将介绍 lambda 函数的用途及其语法。我们还将提供一些使用它们的示例和最佳实践，并讨论它们的优缺点。
先决条件
自 2.0 版本以来，lambda 函数已成为 python 的一部分，因此您需要：
在本教程中，我们将了解如何将 lambda 函数与 pandas 库结合使用：一个快速、强大、灵活且易于使用的开源数据分析和操作库。如果您尚未安装，请运行以下命令：
pip install pandas
python lambda 函数的语法和基础知识
首先，让我们定义开发人员创建 lambda 函数必须使用的语法。
lambda 函数是使用 lambda 关键字定义的，后跟一个或多个参数和一个表达式：
lambda arguments: expression
假设我们要创建一个将两个数字相加的 lambda 函数：
add = lambda x, y: x + y
运行以下命令：
result = add(3, 5) print(result)
这会导致：
8
我们创建了一个带有两个参数 x 和 y 的匿名函数。与传统函数不同，lambda 函数没有名称：这就是为什么我们说它们是“匿名的”。
此外，我们不使用 return 语句，就像在常规 python 函数中那样。所以我们可以随意使用 lambda 函数：它可以被打印（就像我们在本例中所做的那样）、存储在变量中等等。
现在让我们看看 lambda 函数的一些常见用例。
lambda 函数的常见用例
lambda 函数特别适用于我们需要临时简单函数的情况。特别是，它们通常用作高阶函数的参数。
让我们看一些实际例子。
将 lambda 函数与 map() 函数结合使用
map() 是一个内置函数，它将给定的函数应用于可迭代的每个项目，并返回带有结果的地图对象。
例如，假设我们要计算列表中每个数字的平方根。我们可以使用 lambda 函数，如下所示：
# define the list of numbers numbers = [1, 2, 3, 4] # calculate square values and print results squared = list(map(lambda x: x ** 2, numbers)) print(squared)
这会导致：
[1, 4, 9, 16]
我们现在有一个包含初始数字的平方根的列表。
正如我们所看到的，这极大地简化了即时使用不需要稍后重用的函数的流程。
将 lambda 函数与 filter() 函数结合使用
现在，假设我们有一个数字列表并想要过滤偶数。
我们可以使用 lambda 函数，如下所示：
# create a list of numbers numbers = [1, 2, 3, 4] # filter for even numbers and print results even = list(filter(lambda x: x % 2 == 0, numbers)) print(even)
这会导致：
[2,4]
将 lambda 函数与 sorted() 函数结合使用
python中的sorted()函数从任何可迭代的元素中返回一个新的排序列表。使用 lambda 函数，我们可以对这些列表应用特定的过滤条件。
例如，假设我们有一个二维点列表：(x,y)。我们想要创建一个以增量方式对 y 值进行排序的列表。
我们可以这样做：
# creates a list of points points = [(1, 2), (3, 1), (5, -1)] # sort the points and print points_sorted = sorted(points, key=lambda point: point[1]) print(points_sorted)
我们得到：
[(5, -1), (3, 1), (1, 2)]
在列表推导式中使用 lambda 函数
鉴于其简洁性，lambda 函数可以嵌入到列表推导式中以进行即时计算。
假设我们有一个数字列表。我们想要：
- 迭代整个列表
- 计算并打印双倍的初始值。
我们可以这样做：
# create a list of numbers numbers = [1, 2, 3, 4] # calculate and print the double of each one squared = [(lambda x: x ** 2)(x) for x in numbers] print(squared)
我们得到：
[1, 4, 9, 16]
使用 lambda 函数的优点
鉴于我们已经探讨过的示例，让我们来看看使用 lambda 函数的一些优点：
- 逻辑简单的简洁性和可读性：lambda 函数允许简洁的代码，减少对标准函数定义的需求。这提高了函数逻辑简单的情况下的可读性。
- 增强的函数式编程能力：lambda 函数与函数式编程原则很好地结合在一起，支持在 python 代码中进行函数式构造。特别是，它们促进了高阶函数的使用以及函数作为第一类对象的应用。
- 何时以及为何更喜欢 lambda 函数：在定义不需要在代码中的其他地方重用的短的“一次性”函数时，lambda 函数特别有利。因此它们非常适合内联使用，例如高阶函数的参数。
局限性和缺点
让我们简单讨论一下 python 中 lambda 函数的一些限制和缺点：
- 复杂表达式中的可读性挑战：虽然 lambda 函数很简洁，但当用于复杂表达式时，它们可能会变得难以阅读和理解。这可能会导致代码更难维护和调试。
- 错误处理和调试的限制：由于 lambda 函数只能包含单个表达式，因此它们不能包含语句，例如用于错误处理的 try- except 块。这种限制使得它们不适合需要这些功能的复杂操作。
- 受限功能：由于 lambda 函数只能包含单个表达式，因此它们的通用性不如标准函数。这种设计限制将它们的使用限制为简单的操作和转换。
使用 lambda 函数的最佳实践
现在我们已经考虑了一些优点和缺点，让我们定义一些有效使用 lambda 函数的最佳实践：
- 保持简单：为了保持可读性和简单性，lambda 函数应保持简短并仅限于简单的操作。逻辑复杂的函数应该重构为标准函数。
- 避免过度使用：虽然 lambda 函数在许多情况下都很方便，但过度使用它们可能会导致代码难以阅读和维护。明智地使用它们，并在清晰度至关重要时选择标准函数。
- 将 lambda 函数与其他 python 功能结合：正如我们所见，lambda 函数可以有效地与其他 python 功能结合，例如列表推导式和高阶函数。如果使用得当，这可以产生更具表现力和简洁的代码。
lambda 函数的高级技术
在某些情况下，更高级的 lambda 函数技术可能会有所帮助。
让我们看一些例子。
嵌套 lambda 函数
lambda 函数可以嵌套以进行复杂的操作。
此技术在需要按顺序进行多个小型转换的场景中非常有用。
例如，假设您要创建一个函数来计算数字的平方根，然后加 1。以下是如何使用 lambda 函数来执行此操作：
# create a nested lambda function nested_lambda = lambda x: (lambda y: y ** 2)(x) + 1 # print the result for the value 3 print(nested_lambda(3))
你得到：
10
与 python 库集成以实现高级功能
许多 python 库利用 lambda 函数来简化复杂的数据处理任务。
例如，lambda 函数可以与 pandas 和 numpy 一起使用，以简化数据操作和转换。
假设我们有一个包含两列的数据框。我们想要创建另一列，作为其他两列的总和。在这种情况下，我们可以使用 lambda 函数，如下所示：
# create the columns' data
data = {'a': [1, 2, 3], 'b': [4, 5, 6]}
# create data frame
df = pd.dataframe(data)
# create row c as a+b and print the dataframe
df['c'] = df.apply(lambda row: row['a'] + row['b'], axis=1)
print(df)
我们得到：
A B C 0 1 4 5 1 2 5 7 2 3 6 9
总结
在本文中，我们了解了如何在 python 中使用 lambda 函数，探讨了它们的优缺点、一些最佳实践，并涉及了一些高级用例。
编码愉快！
p.s.如果您想在 python 文章发布后立即阅读，请订阅我们的 python wizardry 时事通讯，不错过任何一篇文章！