python lambda map_python lambda map、filter、reduce的用法以及和dict、list、tuple、set 等数据结构混用-立地货...

Python lambda搞懂Python lambda表达式的用法

lambda是什么？

Lambda表达了Python中用于创建匿名函数的特殊语法。我们将lambda语法本身称为lambda表达式，从这里得到的函数称之为lambda函数。其实总结起来，lambda可以理解为一个小的匿名函数，lambda函数可以使用任意数量的参数，但只能有一个表达式。具体函数表达式如下：

模板： lambda argument: manipulate(argument)

参数：argument就是这个匿名函数传入的参数，冒号后面是我们对这个参数的操作方法

参考上面的定义模板和参数, 直接看一个最简单的例子:

add_one = lambdax:x+1 # 1个参数，执行操作为+1

add_nums = lambdax,y:x+y # 2个参数，执行操作为相加

print(add_one(2)) # 调用add_one

print(add_nums(3,7)) # 调用add_nums

运行结果：

3

10

大家可能已经发现lambda匿名函数的特点了，就是对于较为简单的功能，无需自己def一个了，单行就可以写下，传参和执行方法一气呵成

lambda用法详解

接下来让我们看看lambda的实际应用，就我自己使用lambda的体验来说，从来没有单独用过，lambda一般情况下是和map，filter，reduce这些超棒的内置函数以及dict，list，tuple，set等数据结构混用，这样才能发挥它的最大效果，下面让我们一个个来看。

lambda + map

首先来看lambda+map的组合，先看下面这个例子：

numbers = [1,2,3,4,5]

add_one = list(map(lambdan:n+1,numbers)) #map(fun,sequence)

print(list(add_one))

print(tuple(add_one))

运行结果：

[2, 3, 4, 5, 6]

(2, 3, 4, 5, 6)

实现一个数组(元组)每个元素+1，让我们回忆一下map的用法map(fun,sequence)，fun是传递的方法，sequence是一个可迭代的序列，这里我们的fun就是匿名函数lambda n:n+1，这里非常完美的解释了lambda的设计初衷，因为如果没有lambda，我们的解决方案是这样:

defadd(num):

returnnum+1

numbers = [1,2,3,4,5]

add_one = list(map(add,numbers))

print(add_one)

print(tuple(add_one))

显然易见，这里的add方法有点多余，所以用lambda代替是个好的选择。让我们再看下一个例子

fromdatetime importdatetime asdt

logs = ['serverLog','appLog','paymentLog']

format ='_{}.py'.format(dt.now().strftime('%d-%m-%y'))

result =list(map(lambdax:x+format,logs)) # 利用map+lambda实现字符串拼接

print(result)

运行结果：

['serverLog_26-07-20.py', 'appLog_26-07-20.py', 'paymentLog_26-07-20.py']

这里和刚才的加1例子差不多，但是换成了字符串的拼接，然而我这里用lambda并不是很好的解决方案，最后我们会说，现在大家应该对map + lambda 有一些感觉了，让我们再来个和dict字典互动的例子：

person =[{'name':'XiaoMing',

'city':'beijing'},

{'name':'XiaoLi',

'city':'shanghai'}]

names=list(map(lambdax:x['name'],person))

print(names)

运行结果：

['XiaoMing', 'XiaoLi']

lambda + filter

lambda和filter的组合也很常见，用于特定筛选条件下，现在让我们来看上篇文章filter的例子，就应该很好理解了：

numbers = [0, 1, 2, -3, 5, -8, 13]

# 提取奇数

result = filter(lambdax: x % 2, numbers)

print("Odd Numbers are :",list(result))

# 提取偶数

result = filter(lambdax: x % 2 == 0, numbers)

print("Even Numbers are :",list(result))

# 提取正数

result = filter(lambdax: x>0, numbers)

print("Positive Numbers are :",list(result))

运行结果：

Odd Numbers are : [1, -3, 5, 13]

Even Numbers are : [0, 2, -8]

Positive Numbers are : [1, 2, 5, 13]

这里就是我们把filter(fun,sequence)里面的fun换成了我们的lambda，只是lambda的函数部分(x%2,x%2==0,x>0)都是可以返回True或者False来判断的，符合fiter的要求。

person =[{'name':'XiaoMing',

'city':'beijing'},

{'name':'XiaoLi',

'city':'shanghai'}]

names=list(filter(lambdax:x['name']=='XiaoMing',person))

print(names)

运行结果：

[{'name': 'XiaoMing', 'city': 'beijing'}]

lambda + reduce

我们直接看一个例子

fromfunctools importreduce # Only Python 3

numbers = [1,2,3,4]

result_multiply = reduce((lambdax, y: x * y), numbers)

result_add = reduce((lambdax,y: x+y), numbers)

print(result_multiply)

print(result_add)

运行结果：

24

10

这个例子用lambda和reduce的配合实现了list求累积和和累积乘法。

有意思的是这个例子具有两面性，一方面展示了lambda和reduce如何一起使用，另一方面也引出了接下来我想说的重点：lambda真的值得用吗？到底应该怎么用？

避免过度使用lambda

通过上面的例子大家已经看到了lambda的实际应用场景，但是这里我想和大家分享一下我的看法:我认为lambda的缺点略多于优点，应该避免过度使用lambda。

首先让我们拿lambda方法和常规def做个对比，我发现lambda和def的主要不同点如下：

可以立即传递(无需变量)

只需一行代码，简洁(未必高效)

可以会自动返回，无需return

lambda函数没有函数名称

有关优点大家都可以看到，我主要想说一下它的缺点，首先，从真正需求出发，我们在大多数时候是不需要lambda的，因为总可以找到更好的替代方法，现在我们一起看一下刚才lambda+reduce 的例子，我们用lambada实现的结果如下：

fromfunctools importreduce # Only Python 3

numbers = [1,2,3,4]

result_multiply = reduce((lambdax, y: x * y), numbers)

result_add = reduce((lambdax,y: x+y), numbers)

这里用lambda并没有实现简单高效的目的，因为我们有现成的sum和mul方法可以用：

fromfunctools importreduce

fromoperatorimportmul

numbers = [1,2,3,4]

result_add = sum(numbers)

result_multiply =reduce(mul,numbers)

print(result_add)

print(result_multiply)

运行结果：

10

24

结果是一样的，但是显然用sum和mul的方案更加高效。再举个常见的例子说明，假如我们有一个list存储了各种颜色，现在要求把每个颜色首字母大写，如果用lambda写出是这样：

colors = ['red','purple','green','blue']

result = map(lambdac:c.capitalize(),colors)

print(list(result))

运行结果：

['Red', 'Purple', 'Green', 'Blue']

看着似乎不错，挺简洁的，但是我们有更好的方法：

colors = ['red','purple','green','blue']

result = [c.capitalize() forc incolors]

print(result)

运行结果：

['Red', 'Purple', 'Green', 'Blue']

用sorted还能处理首字母不规范的情况，连排序都省了：

colors = ['Red','purple','Green','blue']

print(sorted(colors,key=str.capitalize))

运行结果：

['Red', 'Purple', 'Green', 'Blue']

还有一个主要原因就是: lambda函数没有函数名称。所以在代码交接，项目移植的场景中会给团队带来很多困难，多写个函数add_one()没什么坏处，因为大家都很容易理解，知道它是执行+1的功能，但是如果团队里你在自己负责的模块使用了很多lambda，会给其他人理解带来很多麻烦。

适合lambda的场景

话又说回来，存在即合理，那么真正需要我们使用lambda的是哪些场景呢：

需要处理的方法是很简单的(+1，字符串拼接等),该函数不值得拥有一个名字。

使用lambda表达式，会比我们能想到的函数名称更容易理解。

除了lambda，没有任何python提供的函数可以实现目。

团队中所有成员都熟练掌握了lambda表达式，并且纳入了团队的开发规范。

任何事情都具有两面性，我们在使用lambda之前应该先思考用lambda表达式是否是最简洁的代码。