浅谈Python当中Lambda函数的用法

今天来给大家推荐一个Python当中超级好用的浅谈内置函数，那便是当中的用lambda方法，本篇教程大致和大家分享：

什么是函数lambda函数lambda函数过滤列表元素lambda函数和map()方法的联用lambda函数和apply()方法的联用什么时候不适合使用lambda方法什么是Lambda函数

在Python当中，我们经常使用lambda关键字来声明一个匿名函数，浅谈所谓地匿名函数，当中的用通俗地来讲就是函数没有名字的函数，具体的浅谈语法格式如下所示：

lambda arguments : expression

其中它可以接受任意数量的参数，但是当中的用只允许包含一个表达式，而该表达式的函数运算结果就是函数的返回值，我们可以简单地来写一个例子：

(lambda x:x**2)(5)

output：

25过滤列表中的浅谈元素

那么我们如何来过滤列表当中的元素呢？这里就需要将lambda函数和filter()方法联合起来使用了，而filter()方法的当中的用语法格式：

filter(function, iterable)function -- 判断函数iterable -- 可迭代对象，亿华云列表或者是函数字典

其中我们有这么一个列表：

import numpy as np

yourlist = list(np.arange(2,50,3))

其中我们想要过滤出2次方之后小于100的元素，我们来定义一个匿名函数，浅谈如下：

lambda x:x**2<100

最后出来的当中的用结果如下所示：

list(filter(lambda x:x**2<100, yourlist))

output：

[2, 5, 8]

要是遇上复杂的计算过程，小编这里还是函数推荐大家自己自定义一个函数，但若是简单的计算过程，lambda匿名函数绝对是最佳的选择。

和map()函数的联用

map()函数的语法和上面的filter()函数相近，例如下面这个匿名函数：

lambda x: x**2+x**3

我们将其和map()方法联用起来：

list(map(lambda x: x**2+x**3, yourlist))

output：

[12,

150,

576,

1452,

2940,

5202,

......]

当然正如我们之前提到的lambda匿名函数可以接受多个数量的参数，我们这里就可以来尝试一下了，例如有两组列表，

mylist = list(np.arange(4,52,3))

yourlist = list(np.arange(2,50,3))

我们同样使用map()方法来操作，代码如下：

list(map(lambda x,y: x**2+y**2, yourlist,mylist))

output：

[20,

74,

164,

290,

452,

650,

884,

1154,

......]和apply()方法的联用

apply()方法在Pandas的数据表格中用的比较多，网站模板而在apply()方法当中就带上lambda匿名函数，我们新建一个数据表格，如下所示：

myseries = pd.Series(mylist)

myseries

output：

0 4

1 7

2 10

3 13

4 16

5 19

6 22

7 25

8 28

......

dtype: int32

apply()方法的使用和前两者稍有不同，map()方法和filter()方法我们都需要将可迭代对象放入其中，而这里的apply()则不需要：

myseries.apply(lambda x: (x+5)/x**2)

output：

0 0.562500

1 0.244898

2 0.150000

3 0.106509

4 0.082031

5 0.066482

6 0.055785

7 0.048000

......

dtype: float64

而要是遇到DataFarme表格数据的时候，也是同样地操作

df = pd.read_csv(rDummy_Sales_Data_v1.csv)

df["Sales_Manager"] = df["Sales_Manager"].apply(lambda x: x.upper())

df["Sales_Manager"].head()

output：

0 PABLO

1 PABLO

2 KRISTEN

3 ABDUL

4 STELLA

Name: Sales_Manager, dtype: object

并且通过apply()方法处理可是比直接用str.upper()方法来处理，速度来的更快哦！！

不太适合使用的场景

那么不适合的场景有哪些呢？那么首先lambda函数作为一个匿名函数，不适合将其赋值给一个变量，例如下面的这个案例：

squared_sum = lambda x,y: x**2 + y**2

squared_sum(3,4)

相比较而言更好的是自定义一个函数来进行处理：

def squared_sum(x,y):

return x**2 + y**2

squared_sum(3,4)

output：

25

而我们遇到如下情景的时候，可以对代码稍作简化处理：

import math

mylist = [10, 25, 40, 49, 65, 81]

sqrt_list = list(map(lambda x: math.sqrt(x), mylist))

sqrt_list

output：

[3.16227766, 5.0, 6.324555320, 7.0, 8.062257748, 9.0]

我们可以将其简化成：

import math

mylist = [10, 25, 40, 49, 65, 81]

sqrt_list = list(map(math.sqrt, mylist))

sqrt_list

output：

[3.162277, 5.0, 6.324555, 7.0, 8.062257, 9.0]

如果是Python当中的内置函数，尤其是例如math这种用于算数的模块，可以不需要放在lambda函数中，免费源码下载可以直接抽出来用