三分钟理解Python—— lambda

最新推荐文章于 2025-05-23 10:05:52 发布

weixin_43576422

最新推荐文章于 2025-05-23 10:05:52 发布

阅读量455

点赞数 1

CC 4.0 BY-SA版权

分类专栏：数据分析文章标签： python lambda

本文链接：https://blog.csdn.net/weixin_43576422/article/details/107900452

数据分析专栏收录该内容

7 篇文章

订阅专栏

本文介绍了Python中的lambda表达式，它是一种匿名函数，简化了函数定义。文章通过对比def函数，阐述了lambda与map(), filter(), reduce()的结合使用，并展示了在pandas中的应用。同时，文中提到了lambda的优缺点，包括代码简洁、匿名特性，但也指出其不适用于复杂计算且可能增加维护难度。" 41259351,3021293,Android流媒体播放：vitamio开源库实现边下边播,"['Android开发', '视频流', '开源项目', '流媒体', '移动开发']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇主要是复习一下

进入标题，lambda是什么？为什么要使用lambda？

lambda表达式是一种匿名函数，对应python中的自定义函数def。

定义func函数，计算给定数x的平方

def func(x):
	return x*x

等价于

func = lambda x: x*x

用法，他就是一个函数，像正常函数那样调用就好：

func(6)

可以看到，lambda只不过是定义函数的一种高级写法，lambda简化了函数定义的书写形式。代码更为简洁。对于有些函数我们只用一次的，用lambda就十分友好，连函数名都没有。

lambda与map(), filter(), reduce()

lambda表达式返回一个函数，这个函数可以作为其他函数的参数。说起lambda，一般都是下面这个三个函数使用，常用的可以与lambda组合的内置函数有map(), filter(), reduce()。(注：python3全局命名空间中移除了reduce函数）

filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象。接收两个参数，
- 如果要转换为列表，可以使用 list() 来转换。
  接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新列表中。
  注意: Pyhton2.7 返回列表，Python3.x 返回迭代器对象
map() 会根据提供的函数对指定序列做映射。
- 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。
- 注意: Pyhton2.7 返回列表，Python3.x 返回迭代器对象
reduce() 函数会对参数序列中元素进行累积。
- 函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

 reduce(function, iterable[, initializer])

foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]
result = list(filter(lambda x: x % 3 == 0, foo))
result

在这里插入图片描述

for i in map(lambda x: x ** 2, [1, 2, 3, 4, 5]):
    print(i)

在这里插入图片描述
自 Python3 之后，reduce函数从全局命名空间中移除，放在了 functools模块，因为如果想正确执行，必须先导入

from functools import reduce

在这里插入图片描述

lambda与if条件判断

lambda表达式中可以插入if…else进行条件判断，如

注意： if为真时的返回结果在if前面，条件在后面：（自己手打一下下面的程序就知道了）

f = lambda x: 'even' if x%2==0 else 'odd'
# f(3)输出结果 odd

等价于

def f(x):
　　	if x%2==0:　　
　　		return 'even'
　 	else:　　
　　		return 'odd'

注意如果在lambda中使用if进行条件判断，则else是必须声明的，否则会引起报错。如果不返回结果可以用 else None 表示。

lambda在pandas中的使用

lambda函数常用于DataFrame或者Series对象下的map、apply、transform方法

import pandas as pd
df = pd.DataFrame({'Age': [22, 21, 22, 21, 20], 'Score': [87, 66, 79, 54, 59]})
df['Pass'] = df.apply(lambda x: 'pass' if x[1]>=60 else 'Not pass', axis=1)
#输出新列 'Pass'，根据成绩判断通过与否，输出df后结果为：

  Age Score  Pass
0  22 87 pass
1  21 66 pass
2  22 79 pass
3  21 54 Not pass
4  20 59 Not pass

x为DataFrame对象，当参数axis=1时，x[1]等于第二列。

当用于Series对象时，以上代码等价于：

df['Pass'] = df['Score'].apply(lambda x: 'pass' if x>60 else 'Not pass')

在pandas中，通过apply，map, transform方法，lambda可以直接应用于Series级别的运算。

当使用applymap方法时，lambda可以应用于DataFrame级别的运算。

lamda的优缺点

lambda的优点：

不需要定义函数名（匿名函数）
代码简洁美观
适用于定义简单的计算

lambda的缺点：

只有一个运算式，不适用于复杂的计算
不够直观，难于理解，增加了维护成本