zoukankan      html  css  js  c++  java
  • Python中lambda的使用,与它的三个好基友介绍!

    关于python入门

    很多朋友说,python入门有推荐的书吗?其实遇到这种问题会比较难回答,因为如果一心想学python,现在网络那么发达怎么都能找到资料。当然你要真让我推荐一本书,我还是想说《python学习手册第四版》,这本书乍一看突出一个厚字,但内容讲的是真的很细致!如果你不知道python学哪本书,还是推荐你看看它。大家可以从我公众号底部的领取福利中,找到这本书。即便你已不是python小白,回过头看看这本书也能有很多收获。这几天在处理项目python自动化升级的工作,其中涉及到大量数据的格式化、类型变更与过滤。所以,今天跟大家讲讲关于python中几个精致的函数

    匿名函数lambda

    除了def语句,python还提供了一种生成函数对象的表达式形式。由于它与LISP语言中的一个工具类似,所以称为lambda。
    就像def一样,这个表达式创建了一个之后能够调用的函数,但是它返回一个函数而不是将这个函数赋值给一个变量。这些就是lambda叫做匿名函数的原因。实际上,他常常以一种行内进行函数定义的方式使用,或者用作推迟执行一些代码。
    lambda的一般形式是关键字lambda之后跟着一个或多个参数(与一个def头部内用括号括起来的参数列表类似),紧跟着是一个冒号,之后是表达式

    lambda arg1,arg2,argn:expression using arguments

    由lambda表达式所返回的函数对象与由def创建并复制后的函数对象工作起来是完全一致的,但lambda有一些不同之处,让其扮演特定的角色时更有用:

    lambda是一个表达式,而不是一个语句

    因为这一点,lambda可以出现在python语法不允许def出现的地方:
    eg:一个的表敞亮中或者函数调用的参数中.
    此外,作为一个表达式,lambda返回一个值(一个新的函数),可以选择性的赋值给一个变量
    相反,def语句总是得在头部将一个新的函数赋值给一个变量,而不是将这个函数作为结果返回。

    lambda的主题是单个表达式,而不是一个代码块

    这个lambda的主题简单的就好像凡在def主体return语句中的代码一样。
    简单的将结果写成一个顺畅的表达式,而不是明确的返回。
    但由于它仅限于表达式,故lambda通常要比def功能少…你仅能够在lambda主体中封装有限的逻辑进去,因为他是一个为编写简单函数而设计的。
    除了上述这些差别,def和lambda都能过做同样种类的工作

    def与lambda的相同用法

    x = lambda x, y, z: x + y + z
    x(2, 3, 4)
    >>> 9
    
    y = (lambda a='hello', b='world': a + b)
    y(b='清风')
    >>> 'hello清风'

    为什么使用lambda

    看过上面的两个小例子,很多人会说这个和def没什么差别,我们又为什么要使用lambda呢?通常来说,lambda起到一种函数的速写作用,允许在使用的代码内嵌一个函数的定义,他完全是可选的(是可以使用def代替他们),但是在你仅需要切入一段可执行代码的情况下,它会带来一个更简洁的书写效果。

    lambda通常用来编写跳转表,也就是行为的列表或者字典,能够按照需求执行操作,比如:

    l = [lambda x: x ** 2, lambda x: x ** 3, lambda x: x ** 4]
    
    for f in l:
        print(f(2))
    >>> 4
    >>> 8
    >>> 16
    print(l[0](3))
    >>> 9

    当需要吧小段的可执行代码编写进def语句从语法上不能实现的地方是,lambda表达式作为def的一种速写来说,是最为有用的,如果上面的代码用def编写,则变为:

    def f1(x):
        return x ** 2
    
    def f2(x):
        return x ** 3
    
    def f3(x):
        return x ** 4
    
    l = [f1, f2, f3]
    
    for f in l:
        print(f(2))
    print(l[0](3))

    实际上,我们可以用python中的字典或者其他的数据结构来构建更多种类的行为表,从而做同样的事情。

    lambda中实现if-else

    Python中具备的单行表达式: if a:b else c语法在lambda中同样适用:

    lower = lambda x,y:x if x<y else y
    lower(4,5)
    >>> 4

    看了半天,大家可能也并未觉得lambda在python中到底比def优越与便利在哪里,那么说到lambda,就必须要提及三个函数map、filter、reduce

    map 函数

    程序对列表或者其他序列常常要做的一件事就是对每个元素进行一个操作,并把其结果集合起来。
    python提供了一个工具map,它会对一个序列对象中的每一个元素英语被传输的函数,并返回一个包含了所有函数调用结果的列表。
    举个栗子,我们有一个列表,需要将列表的每一个字段+10,我们该如何操作?

    list_show = [1, 2, 3, 4]
    # 方式1
    new_list_show = []
    for i in list_show:
        new_list_show.append(i + 10)
    
    print(new_list_show)
    
    # 方式2
    def adds(x):
        return x + 10
    
    print(list(map(adds, list_show)))
    
    # 更优雅的方式3:
    print(list(map(lambda x: x + 10, list_show)))

    看看上面三个实现方式,你觉得那种更加Pythonic?
    eg:需要注意一点,map在python3中是一个可迭代对象,引入需要使用列表调用来破事他生成所有的结果用于显示,python2不必如此。
    当然map的阐述函数,不仅仅支持自己编写的,同样也支持python自带的多种函数,比如:

    list_show = [1, -2, 3, -4, 5, -6]
    print(list(map(abs, list_show)))
    >>> [1, 2, 3, 4, 5, 6]

    filter函数

    filter通过字面意思,大家就知道它的用处了,用于数据的过滤操作,它也是lambda的一个好基友,举个栗子。
    我们需要过滤0-9中,能被2整除的数字组成一个列表,我们该如何操作?只需要一行代码:

    print(list(filter(lambda x: x % 2 == 0, range(10))))
    >>> [0, 2, 4, 6, 8]

    没错,filter就是这么的简单实用….

    reduce的妙用

    reduce在python2中是一个简单的函数,但在python3中它责备收录与functools中。
    它接收一个迭代器来处理并返回一个单个的结果。

    list_show = [1, 2, 3, 4]
    print(reduce(lambda x, y: x + y, list_show))
    >>> 10
    print(reduce(lambda x, y: x * y, list_show))
    >>> 24

    lambda的实用与它的好基友就介绍到这里,希望对大家有所帮助。

    The End

    OK,今天的内容就到这里,如果觉得内容对你有所帮助,欢迎点击文章右下角的“在看”。
    期待你关注我的公众号清风Python,如果觉得不错,希望能动动手指转发给你身边的朋友们

    作者:清风Python

  • 相关阅读:
    LintCode "Maximum Gap"
    LintCode "Wood Cut"
    LintCode "Expression Evaluation"
    LintCode "Find Peak Element II"
    LintCode "Remove Node in Binary Search Tree"
    LintCode "Delete Digits"
    LintCode "Binary Representation"
    LeetCode "Game of Life"
    LintCode "Coins in a Line"
    LintCode "Word Break"
  • 原文地址:https://www.cnblogs.com/huaweicloud/p/11861520.html
Copyright © 2011-2022 走看看