Python Lambda函数使用总结详解
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。