zoukankan      html  css  js  c++  java
  • 零基础学python-18.7 为什么要使用lambda表达式

    这一章节我们来讨论一下为什么要使用lambda表达式

    主要的目的就是提供一个更加简洁的代码结构,但是对于初学者,它可能反而增加阅读的难度

    lambda通常应用在行为调整表,也就是行为的列表或者字典,能够按照需求执行不同的代码。

    >>> aList=[lambda x:x**2,lambda x:x**3,lambda x:x**4]#list里面是三种幂算法
    >>> for func in aList:
    	print(func(2))
    
    	
    4
    8
    16
    >>> 

    我们看见上面的代码比较简介,而且很可能列表里面的方法只是在这个地方使用,而不在其他地方使用,这样就不用像下面的代码一样定义这么多函数

    我们下面给出等价代码:

    >>> def test1(x):return x**2
    
    >>> def test2(x):return x**3
    
    >>> def test3(x):return x**4
    
    >>> aList=[test1,test2,test3]
    >>> for func in aList:
    	print(func(2))
    
    	
    4
    8
    16
    >>> 

    两组代码相对比,第一组的结构明显简单很多,而且由于使用lambda表达式使得定义的方法比较少,相对容易管理,因为这三种幂算法只是在这里使用,而不会在其他地方使用

    但是,笔者认为,对于初学者,或者不是函数式编程背景的程序员,尽量使用第二种方法,因为维护起来更加简单明了,现在这个时代代码的可阅读性比代码性能、结构来的更加重要,毕竟不是每一个引用的秒请求次数都是那么高的,当然,这只是笔者一点个人意见


    上面我们列举了在列表里面的使用,我们下面说说在字典里面的使用

    >>> aDict={'a':lambda : 2**2,'b':lambda : 3**2,'c':lambda : 4**2}#根据条件输出
    
    >>> for key in aDict:
    	print(key+str(aDict[key]()))
    
    	
    b9
    c16
    a4
    >>> 

    如果是作为一种行为选择器,字典可能更加适合,因为它可以根据key来选择不同的表达式,而在列表里面只能选择下标,key比下标来的更加明确

    例如:

    >>> aDict={'before':lambda : 'before','doing':lambda : 'doing','after':lambda : 'after'}#根据条件输出
    >>> for key in aDict:
    	print(key+':'+str(aDict[key]()))
    
    	
    before:before
    after:after
    doing:doing
    
    >>> 

    上面的代码展现了一件事情在不同的生命周期需要做的东西,例如有开始的时候、正在进行的时候、做完的时候

    上面代码的等价代码:

    >>> def before():return 'before'
    
    >>> def doing():return 'doing'
    
    >>> def after():return 'after'
    
    >>> aDict={'before':before,'doing':doing,'after':after}
    >>> 
    >>> for key in aDict:
    	print(key+':'+str(aDict[key]()))
    
    	
    before:before
    after:after
    doing:doing
    >>> 

    结合lambda与字典,更加适合做分支选择工具


    总结:这一章节主要说明了为什么需要用lambda,以及简单介绍lambda结合列表与字典怎样作为行为选择器来使用


    这一章节就说到这里,谢谢大家

    ------------------------------------------------------------------

    点击跳转零基础学python-目录

     




    版权声明:本文为博主原创文章,未经博主允许不得转载。

  • 相关阅读:
    Atom+latex+中文环境
    pytorch中,不同的kernel对不同的feature map进行卷积之后输出某一个channel对应的多个feature map如何得到一个channel的feature map
    Ubuntu16.04上添加用户以及修改用户所属的组
    shell批处理文件,并将运算结果返回
    pytorch如何能够保证模型的可重复性
    Linux用管道命令对文件的移动
    python中调用多线程加速处理文件
    Python中random模块在主函数中设置随机种子是否对于调用的函数中的随机值产生影响?
    pytorch统计模型参数量
    pytorch使用tensorboardX进行网络可视化
  • 原文地址:https://www.cnblogs.com/raylee2007/p/4896724.html
Copyright © 2011-2022 走看看