Python中lambda表达式的使用详解(完整通透版)

一、前言

lambda 表达式是Python中的一种简洁的匿名函数表达方式，它用于创建简单的函数，通常在不需要定义完整函数的情况下使用。lambda 表达式的语法非常简洁，适合编写一行的小函数。
接下来我们从具体的例子出发，由浅入深理解如何使用lambda表达式。

二、 基本语法

lambda 参数1, 参数2, ... : 表达式

• lambda 引导关键字，表示这是一个匿名函数。
• 后面紧跟参数，参数之间用逗号分隔。
• 冒号后是函数的表达式，也就是返回值。

相当于简写形式的 def 函数定义。

三、举个简单的例子：

# 普通函数
def add(x, y):
    return x + y

# 用 lambda 表达式写成
add_lambda = lambda x, y: x + y

# 调用
print(add(2, 3))         # 输出: 5
print(add_lambda(2, 3))  # 输出: 5

在这个例子中，add_lambda 是一个等价于 add 的匿名函数，但它使用了 lambda 表达式来定义。

四、常见应用场景

1. 用于排序函数

当我们需要排序一个包含元组、字典等复杂数据类型的列表时，通常会使用 lambda 来定义排序的规则。

例如在列表的.sort排序函数的参数中，使用key=一个lambda表达式指定排序规则。

# 按照元组中的第二个元素排序
points = [(1, 2), (3, 1), (5, 4)]
points.sort(key=lambda x: x[1])
print(points)  # 输出: [(3, 1), (1, 2), (5, 4)]

在排序函数的示例中，我们使用了 lambda 表达式和列表的 sort 方法，对一个包含元组的列表进行排序。下面我将逐步讲解这个例子的工作原理。

sort() 方法简介

sort() 是 Python 中列表的一个内置方法，用于就地对列表进行排序（即会直接修改原始列表）。它可以根据默认顺序（即数字从小到大，字符串按字典顺序）对列表元素排序。

我们可以使用 key 参数来自定义排序规则。key 接受一个函数，这个函数用于生成用于比较的值。

例如，默认情况下，sort() 方法是基于元素的值排序：

numbers = [3, 1, 2]
numbers.sort()
print(numbers)  # 输出: [1, 2, 3]

但是，如果我们想要按自定义规则排序，例如根据元组的某个元素（例如第二个元素）进行排序，我们就可以使用 key 参数。

lambda 表达式的作用

在这个例子中，我们要对一个包含多个元组的列表 points 进行排序，而排序的依据是每个元组的第二个元素（索引为1的元素）。要实现这个功能，我们使用 lambda 表达式：

key=lambda x: x[1]

这里 x 是列表中的每个元组，x[1] 表示元组的第二个元素。我们告诉 sort 方法，应该根据每个元组的第二个元素来排序。

详细解释

• 数据结构：points = [(1, 2), (3, 1), (5, 4)]这是一个包含三个元组的列表，每个元组包含两个数字。例如，(1, 2) 表示一个点的坐标，1 是 x 坐标，2 是 y 坐标。

• lambda 表达式：key=lambda x: x[1]

  • x 代表列表中的每个元组。
  • x[1] 提取元组的第二个元素。
  • lambda 表达式的作用是告诉 sort 方法，只需要考虑每个元组的第二个元素进行比较排序。

• 排序过程：

  • sort() 方法从列表的第一个元组开始，对每个元组调用 lambda x: x[1]，返回第二个元素的值，作为排序的依据。

  • 对元组 (1, 2)，lambda 返回 2。对元组 (3, 1)，返回 1。对元组 (5, 4)，返回 4。

  • 然后，sort() 方法按照 1, 2, 4 的顺序对元组排序，结果是：[(3, 1), (1, 2), (5, 4)]。

• 最终结果：
  排序后的列表 points 为 [(3, 1), (1, 2), (5, 4)]。这个结果是根据每个元组的第二个元素从小到大排序的。

进一步扩展

如果我们想按元组的第一个元素排序，只需要将 x[1] 改为 x[0]：

points.sort(key=lambda x: x[0])
print(points)  # 输出: [(1, 2), (3, 1), (5, 4)]

如果你想实现降序排序，可以设置 reverse=True：

points.sort(key=lambda x: x[1], reverse=True)
print(points)  # 输出: [(5, 4), (1, 2), (3, 1)]

总结

lambda 表达式在排序函数中用于简洁地定义排序的依据。通过传递 key 参数，我们可以轻松自定义排序规则，比如按元组中的某个特定元素排序。

2、与 map、filter、reduce 等函数结合

lambda 表达式与 map、filter、reduce 等高阶函数结合使用是 Python 编程中的一个强大工具。接下来我们会详细解释这三种函数及其结合 lambda 的用法。

1、 map() 函数

map() 函数用于对可迭代对象中的每个元素应用一个函数，并返回一个新的迭代器。它可以接受一个函数和一个或多个可迭代对象（如列表、元组）。

语法：

map(function, iterable)

• function 是要应用于每个元素的函数。
• iterable 是可迭代对象（例如列表、元组等）。

当结合 lambda 使用时，lambda 表达式作为匿名函数传递给 map()。

示例：将列表中的每个数字平方

nums = [1, 2, 3, 4, 5]

# 使用 lambda 表达式和 map
squared = map(lambda x: x**2, nums)

# 将结果转换为列表并打印
print(list(squared))  # 输出: [1, 4, 9, 16, 25]

解释：

• lambda x: x**2 是一个匿名函数，用来计算每个数字的平方。
• map() 函数依次将 lambda 应用于 nums 列表中的每个元素，即 1, 2, 3, 4, 5，然后返回每个元素平方后的结果。

等价的普通函数写法：

def square(x):
    return x ** 2

squared = map(square, nums)
print(list(squared))  # 输出: [1, 4, 9, 16, 25]

2、 filter() 函数

filter() 函数用于筛选可迭代对象中的元素，保留那些使函数返回 True 的元素。它也返回一个迭代器。

语法：

filter(function, iterable)

• function 是用于测试每个元素的函数，返回 True 或 False。
• iterable 是需要过滤的可迭代对象。

当与 lambda 表达式结合使用时，lambda 可以作为过滤条件。

示例：筛选出列表中的偶数

nums = [1, 2, 3, 4, 5]

# 使用 lambda 表达式和 filter
evens = filter(lambda x: x % 2 == 0, nums)

# 将结果转换为列表并打印
print(list(evens))  # 输出: [2, 4]

解释：

• lambda x: x % 2 == 0 是一个匿名函数，用来判断 x 是否为偶数。
• filter() 函数依次将 lambda 应用于 nums 列表中的每个元素，返回 True 的元素保留，返回 False 的元素被过滤掉。因此，最终结果是保留偶数 2 和 4。

等价的普通函数写法：

def is_even(x):
    return x % 2 == 0

evens = filter(is_even, nums)
print(list(evens))  # 输出: [2, 4]

3、 reduce() 函数

reduce() 函数用于对可迭代对象中的元素进行累积操作，最终合并为一个值。它需要导入 functools 模块，因为它不属于 Python 的内置函数。

语法：

from functools import reduce
reduce(function, iterable)

• function 是一个需要两个参数的函数，用来将前一个计算结果与下一个元素进行合并。
• iterable 是可迭代对象。

当与 lambda 表达式结合时，lambda 用来定义累积的规则。

示例：计算列表所有元素的累加和

from functools import reduce

nums = [1, 2, 3, 4, 5]

# 使用 lambda 表达式和 reduce
total = reduce(lambda x, y: x + y, nums)

print(total)  # 输出: 15

解释：

• lambda x, y: x + y 是一个匿名函数，接受两个参数 x 和 y，并返回它们的和。
• reduce() 函数首先将前两个元素 1 和 2 相加得到 3，然后将 3 和 3 相加得到 6，以此类推，直到处理完所有元素。最后返回累加结果 15。

等价的普通函数写法：

def add(x, y):
    return x + y

total = reduce(add, nums)
print(total)  # 输出: 15

总结

• map()：对每个元素应用函数，返回每个元素的变换结果。适合批量操作。
• filter()：根据条件过滤元素，保留符合条件的元素。
• reduce()：对序列中的元素进行累积操作，适合需要归约为单一值的场景。

lambda 表达式可以方便地与这些高阶函数结合，减少代码的冗余和函数的显式定义。

3、 用于函数内部或一次性使用的函数

当函数只需要使用一次，可以直接用 lambda 表达式，而无需定义新的函数名。

def apply_operation(x, operation):
    return operation(x)

# 使用 lambda 传递匿名函数
result = apply_operation(5, lambda x: x * 2)
print(result)  # 输出: 10

五、总结

lambda 表达式用于简化代码，尤其适用于短小的函数，避免显式定义完整函数。虽然它方便，但当函数较为复杂时，还是建议使用普通函数定义，以提高代码的可读性。

到此这篇关于Python中lambda表达式的使用详解的文章就介绍到这了,更多相关Python中lambda表达式使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论