首頁 > 軟體

Python lambda匿名函數深入講解

2023-01-22 14:01:20

一,Python中lambda函數的語法

lambda 函數在 Python 程式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引數,但與普通函數不同,它只計算並返回一個表示式

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,它的結構與 Python 中函數(function)的參數列是一樣的,
          需要注意的是,普通函數不同,這裡不需要用括號將 lambda 函數的引數括起來,
          如果 lambda 函數有兩個或更多引數,用逗號列出它們。
expression :一個參數列達式,表示式中出現的引數需要在[arg......]中有定義,並且表示式只能是單行的,只能有一個表示式。
"""

一個簡單的 lambda 函數範例:

lambda x: x + 1
#上面的 lambda 函數接受一個引數,將其遞增 1,然後返回結果
#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

一個多引數的 lambda 函數範例:

lambda x, y, z: x + y + z
# 用逗號分隔函數定義中的引數。當執行這樣一個 lambda 函數時,以相同的順序列出相應的引數,並用逗號分隔它們
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)
####  巢狀使用
(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)
# 等價於 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數,然後將該變數作為普通函數呼叫,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數
f = lambda x: x ** 2
f(2)

但是根據 Python 程式碼的 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表示式優於顯式def表示式的唯一優勢(即lambda表示式可以內嵌到更大的表示式中)。

## 賦值給其他函數
time.sleep=lambda x: None
time.sleep(3) # 程式不會休眠 3 秒鐘,而是因為lambda輸出為None,所以這裡結果是什麼都不做

這種做法也沒錯誤,但是相信也沒有開發人員會這麼幹的。

三,lambda 應用

1, 作為高階函數的回撥函數

1),map() 函數:

描述:

map() 會根據提供的函數對指定序列做對映。

第一個引數 function 以引數序列中的每一個元素呼叫 function 函數,返回包含每次 function 函數返回值的新列表。

語法:

map(function, iterable, …)

引數:

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:

函數將一個資料集合(連結串列,元組等)中的所有資料進行下列操作:用傳給 reduce 中的函數 function(有兩個引數)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資料用 function 函數運算,最後得到一個結果。

語法:

reduce(function, iterable[, initializer])

引數:

function: 函數,有兩個引數

iterable : 可迭代物件

initializer :可選,初始引數

返回值:

返回函數計算結果。

範例

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:===========
呼叫 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 由於沒有更多的元素了,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物件進行排序操作。

sort 與 sorted 區別:

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

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)

引數說明:

iterable:可迭代物件。

key:主要是用來進行比較的元素,只有一個引數,具體的函數的引數就是取自於可迭代物件中,指定可迭代物件中的一個元素來進行排序。

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

返回值:

返回重新排序的列表。

範例

# 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() 函數用於過濾序列,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。

該接收兩個引數,第一個為函數,第二個為序列,序列的每個元素作為引數傳遞給函數進行判斷,然後返回 True 或 False,最後將返回 True 的元素放到新列表中。

語法:

filter(function, iterable)

引數:

function:判斷函數。

iterable :可迭代物件。

返回值:

Pyhton2.x 返回列表

Python3.x 返回迭代器物件

範例

# 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 結合進行高效資料分析

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資料處理操作。而lambda在pandas就又經常和df.assign、df.apply兩個函陣列合使用

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
"""

到此這篇關於Python lambda匿名函數深入講解的文章就介紹到這了,更多相關Python lambda內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!


IT145.com E-mail:sddin#qq.com