• Python 中的万能之王 Lambda 函数


    Python 提供了非常多的库和内置函数。有不同的方法可以执行相同的任务,而在 Python 中,有个万能之王函数:lambda 函数,它可以以不同的方式在任何地方使用。今天和大家一起研究下这个万能之王!

    Lambda 函数简介

    Lambda函数也被称为匿名(没有名称)函数,它直接接受参数的数量以及使用该参数执行的条件或操作,该参数以冒号分隔,并返回最终结果。为了在大型代码库上编写代码时执行一项小任务,或者在函数中执行一项小任务,便在正常过程中使用lambda函数。

    lambda argument_list:expersion
    

    argument_list是参数列表,它的结构与Python中函数(function)的参数列表是一样的

    1. a,b
    2. a=1,b=2
    3. *args
    4. **kwargs
    5. a,b=1,*args
    6. ....

    expression是一个关于参数的表达式,表达式中出现的参数需要在argument_list中有定义,并且表达式只能是单行的。

    1. 1
    2. None
    3. a+b
    4. sum(a)
    5. 1 if a >10 else 0
    6. [i for i in range(10)]
    7. ...

    普通函数和Lambda函数的区别

    1. 没有名称Lambda函数没有名称,而普通操作有一个合适的名称。

    2. Lambda函数没有返回值使用def关键字构建的普通函数返回值或序列数据类型,但在Lambda函数中返回一个完整的过程。假设我们想要检查数字是偶数还是奇数,使用lambda函数语法类似于下面的代码片段。

    1. b = lambda x: "Even" if x%2==0 else "Odd"
    2. b(9)
    1. 函数只在一行中Lambda函数只在一行中编写和创建,而在普通函数的中使用缩进

    2. 不用于代码重用Lambda函数不能用于代码重用,或者不能在任何其他文件中导入这个函数。相反,普通函数用于代码重用,可以在外部文件中使用。

    为什么要使用Lambda函数?

    一般情况下,我们不使用Lambda函数,而是将其与高阶函数一起使用。高阶函数是一种需要多个函数来完成任务的函数,或者当一个函数返回任何另一个函数时,可以选择使用Lambda函数。

    什么是高阶函数?

    通过一个例子来理解高阶函数。假设有一个整数列表,必须返回三个输出。

    • 一个列表中所有偶数的和

    • 一个列表中所有奇数的和

    • 一个所有能被三整除的数的和

    首先假设用普通函数来处理这个问题。在这种情况下,将声明三个不同的变量来存储各个任务,并使用一个for循环处理并返回结果三个变量。该方法常规可正常运行。

    现在使用Lambda函数来解决这个问题,那么可以用三个不同的Lambda函数来检查一个待检验数是否是偶数,奇数,还是能被三整除,然后在结果中加上一个数。

    1. def return_sum(func, lst):
    2.   result = 0
    3.   for i in lst:
    4.     #if val satisfies func
    5.     if func(i):
    6.       result = result + i
    7.   return result
    8. lst = [11,14,21,56,78,45,29,28]
    9. x = lambda a: a%2 == 0
    10. y = lambda a: a%2 != 0
    11. z = lambda a: a%3 == 0
    12. print(return_sum(x, lst))
    13. print(return_sum(y, lst))
    14. print(return_sum(z, lst))

    这里创建了一个高阶函数,其中将Lambda函数作为一个部分传递给普通函数。其实这种类型的代码在互联网上随处可见。然而很多人在使用Python时都会忽略这个函数,或者只是偶尔使用它,但其实这些函数真的非常方便,同时也可以节省更多的代码行。接下来我们一起看看这些高阶函数。

    Python内置高阶函数

    Map函数

    map() 会根据提供的函数对指定序列做映射。

    Map函数是一个接受两个参数的函数。第一个参数 function 以参数序列中的每一个元素调用 function 函数,第二个是任何可迭代的序列数据类型。返回包含每次 function 函数返回值的新列表。

    map(function, iterable, ...)
    

    Map函数将定义在迭代器对象中的某种类型的操作。假设我们要将数组元素进行平方运算,即将一个数组的每个元素的平方映射到另一个产生所需结果的数组。

    1. arr = [2,4,6,8
    2. arr = list(map(lambda x: x*x, arr)) 
    3. print(arr)

    我们可以以不同的方式使用Map函数。假设有一个包含名称、地址等详细信息的字典列表,目标是生成一个包含所有名称的新列表。

    1. students = [
    2.             {"name""John Doe",
    3.              "father name""Robert Doe",
    4.              "Address""123 Hall street"
    5.              },
    6.             {
    7.               "name""Rahul Garg",
    8.               "father name""Kamal Garg",
    9.               "Address""3-Upper-Street corner"
    10.             },
    11.             {
    12.               "name""Angela Steven",
    13.              "father name""Jabob steven",
    14.              "Address""Unknown"
    15.             }
    16. ]
    17. print(list(map(lambda student: student['name'], students)))
    18. >>> ['John Doe''Rahul Garg''Angela Steven']

    上述操作通常出现在从数据库或网络抓取获取数据等场景中。

    Filter函数

    Filter函数根据给定的特定条件过滤掉数据。即在函数中设定过滤条件,迭代元素,保留返回值为True 的元素。Map 函数对每个元素进行操作,而 filter 函数仅输出满足特定要求的元素。

    假设有一个水果名称列表,任务是只输出那些名称中包含字符“g”的名称。

    1. fruits = ['mango''apple''orange''cherry''grapes'
    2. print(list(filter(lambda fruit: 'g' in fruit, fruits)))

    filter(function or None, iterable) --> filter object

    返回一个迭代器,为那些函数或项为真的可迭代项。如果函数为None,则返回为真的项。

    Reduce函数

    这个函数比较特别,不是 Python 的内置函数,需要通过from functools import reduce 导入。Reduce 从序列数据结构返回单个输出值,它通过应用一个给定的函数来减少元素。

    reduce(function, sequence[, initial]) -> value
    

    将包含两个参数的函数(function)累计应用于序列(sequence)的项,从左到右,从而将序列reduce至单个值。

    如果存在initial,则将其放在项目之前的序列,并作为默认值时序列是空的。

    假设有一个整数列表,并求得所有元素的总和。且使用reduce函数而不是使用for循环来处理此问题。

    1. from functools import reduce
    2. lst = [2,4,6,8,10]
    3. print(reduce(lambda x, y: x+y, lst))
    4. >>> 30

    还可以使用 reduce 函数而不是for循环从列表中找到最大或最小的元素。

    1. lst = [2,4,6,8]
    2. # 找到最大元素
    3. print(reduce(lambda x, y: x if x>y else y, lst))
    4. # 找到最小元素
    5. print(reduce(lambda x, y: x if x<y else y, lst))

    高阶函数的替代方法

    列表推导式

    其实列表推导式只是一个for循环,用于添加新列表中的每一项,以从现有索引或一组元素创建一个新列表。之前使用map、filter和reduce完成的工作也可以使用列表推导式完成。然而,相比于使用Map和filter函数,很多人更喜欢使用列表推导式,也许是因为它更容易应用和记忆。

    同样使用列表推导式将数组中每个元素进行平方运算,水果的例子也可以使用列表推导式来解决。

    1. arr = [2,4,6,8]
    2. arr = [i**2 for i in arr]
    3. print(arr)
    4. fruit_result = [fruit for fruit in fruits if 'g' in fruit]
    5. print(fruit_result)

    字典推导式

    与列表推导式一样,使用字典推导式从现有的字典创建一个新字典。还可以从列表创建字典。

    假设有一个整数列表,需要创建一个字典,其中键是列表中的每个元素,值是列表中的每个元素的平方。

    1. lst = [2,4,6,8]
    2. D1 = {item:item**2 for item in lst}
    3. print(D1)
    4. >>> {24416636864}
    5. # 创建一个只包含奇数元素的字典
    6. arr = [1,2,3,4,5,6,7,8]
    7. D2 = {item: item**2 for item in arr if item %2 != 0}
    8. print(D2)
    9. >>> {1139525749}

    一个简单应用

    如何快速找到多个字典的公共键

    方法一

    1. dl = [d1, d2, d3] # d1, d2, d3为字典,目标找到所有字典的公共键
    2. [k for k in dl[0if all(map(lambda d: k in d, dl[1:]))]

    1. dl = [{1:'life'2'is'}, 
    2.       {1:'short'3'i'}, 
    3.       {1'use'4'python'}]
    4. [k for k in dl[0if all(map(lambda d: k in d, dl[1:]))]
    5. # 1

    解析

    1. # 列表表达式遍历dl中第一个字典中的键
    2. [k for k in dl[0]]
    3. # [1, 2]
    4. # lambda 匿名函数判断字典中的键,即k值是否在其余字典中
    5. list(map(lambda d: 1 in d, dl[1:]))
    6. # [True, True]
    7. list(map(lambda d: 2 in d, dl[1:]))
    8. #[False, False]
    9. # 列表表达式条件为上述结果([True, True])全为True,则输出对应的k值
    10. #1

    方法二

    1. # 利用集合(set)的交集操作
    2. from functools import reduce
    3. # reduce(lambda a, b: a*b, range(1,11)) # 10!
    4. reduce(lambda a, b: a & b, map(dict.keys, dl))

    写在最后

    目前已经学习了Lambda函数是什么,以及Lambda函数的一些使用方法。随后又一起学习了Python中的高阶函数,以及如何在高阶函数中使用lambda函数。

    除此之外,还学习了高阶函数的替代方法:在列表推导式和字典推导式中执行之前操作。虽然这些方法看似简单,或者说你之前已经见到过这类方法,但你很可能很少使用它们。你可以尝试在其他更加复杂的函数中使用它们,以便使代码更加简洁。

    【python学习】
    学Python的伙伴,欢迎加入新的交流【君羊】:1020465983
    一起探讨编程知识,成为大神,群里还有软件安装包,实战案例、学习资料

  • 相关阅读:
    常用python包环境命令总结
    AI绘图之基于文本/图片制图
    布隆过滤器简单实现添加和判断功能
    java学习第177天,javaWeb学习第36天,p248-255(07/30)
    Docker 开启远程安全访问
    Docker 的数据管理和Dockerfile镜像的创建
    spring中的DI
    [springboot专栏]文件本地上传与提供访问服务
    Apifox:满足你对 Api 的所有幻想
    基于Windows Ubuntu子系统安装 TDengine
  • 原文地址:https://blog.csdn.net/SixStar_FL/article/details/125479617