Python Lambda函数使用总结详解

2023-08-04 17:11:04 81

这篇文章主要介绍了PythonLambda函数使用总结详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

lambda表达式是一种匿名函数，对应python中的自定义函数def，是定义某个函数时比较高级的一种写法。作为python初学者，本文整理了lambda的一些基本用法和特点。

lambda和def的对应关系

定义func函数，计算给定数x的平方

deffunc(x):
returnx*x

等价于

func=lambdax:x*x

其中func是函数名，x是输入参数，x*x是输出结果

输入参数可以有多个，可以接收不定参数如*args或者**kwargs。

f=lambdax,*args,para,**kwargs:[args,para,kwargs]
f(1,2,3,para='number',name='Jack',sex='male')
#输出[(2,3),'number',{'name':'Jack','sex':'male'}]

有时也可以不指定输入参数，如：

lambda:random.randn()

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。常用的可以与lambda组合的内置函数有map(),filter(),reduce().

在处理一个可迭代对象如列表，字典等时，可以用map(lambda,x)代替for...in...循环，如：

lst=[1,2,3,4,5]
res=[]
foriinlst:
a=i*i
res.append(a)

等价于

res=list(map(lambdax:x*x,lst))

可以看到这里的lambda生成的函数直接作为map函数的function参数，对列表的每一个元素进行平方计算

同理可以将lambda用于filter进行筛选，或者reduce累积运算：

fromfunctoolsimportreducelst=[1,2,3,4,5]f_res=filter(lambdax:x>3,lst)
r_res=reduce(lambdax,y:x*y,lst)

print('大于3的数字有：',list(f_res))
print('累乘结果为：',r_res)

输出结果：

大于3的数字有：[4,5]
累乘结果为：120

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

f=lambdax:'even'ifx%2==0else'odd'
#f(3)输出结果odd

等价于

deff(x):ifx%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elseNone表示。

if...elif...else的多条件判断也可以用于lambda，但会使得代码过于复杂，所以不推荐。

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

importpandasaspd
df=pd.DataFrame({'Age':[22,21,22,21,20],'Score':[87,66,79,54,59]})
df['Pass']=df.apply(lambdax:'pass'ifx[1]>=60else'Notpass',axis=1)

输出新列'Pass'，根据成绩判断通过与否，输出df后结果为：

AgeScorePass
02287pass
12166pass
22279pass
32154Notpass
42059Notpass

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(lambdax:'pass'ifx>60else'Notpass')

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

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

Python Lambda函数使用总结详解

热门推荐

随机推荐