這篇文章主要介紹了Python Lambda函數(shù)使用總結(jié)詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

lambda表達式是一種匿名函數(shù)，對應python中的自定義函數(shù)def，是定義某個函數(shù)時比較高級的一種寫法。作為python初學者，本文整理了lambda的一些基本用法和特點。

lambda和def的對應關(guān)系

定義func函數(shù)，計算給定數(shù)x的平方

def func(x):
return x*x

等價于

func = lambda x: x*x

其中func是函數(shù)名，x是輸入?yún)?shù)，x*x是輸出結(jié)果

輸入?yún)?shù)可以有多個，可以接收不定參數(shù)如*args或者**kwargs。

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

有時也可以不指定輸入?yún)?shù)，如：

lambda: random.randn()

lambda與map(), filter(), reduce()

lambda表達式返回一個函數(shù)，這個函數(shù)可以作為其他函數(shù)的參數(shù)。常用的可以與lambda組合的內(nèi)置函數(shù)有map(), filter(), reduce().

在處理一個可迭代對象如列表，字典等時，可以用map(lambda, x) 代替 for...in...循環(huán)，如：

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

等價于

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

可以看到這里的lambda生成的函數(shù)直接作為map函數(shù)的function參數(shù)，對列表的每一個元素進行平方計算

同理可以將lambda用于filter進行篩選，或者reduce累積運算：

from functools import reducelst = [1, 2, 3, 4, 5]f_res = filter(lambda x: x>3, lst)
r_res = reduce(lambda x, y: x*y, lst)

print('大于3的數(shù)字有：', list(f_res)) 
print('累乘結(jié)果為：', r_res)

輸出結(jié)果：

大于3的數(shù)字有： [4, 5]
累乘結(jié)果為： 120

lambda與if條件判斷

lambda表達式中可以插入if...else進行條件判斷，如

f = lambda x: 'even' if x%2==0 else 'odd'
# f(3)輸出結(jié)果 odd

等價于

def f(x):<br data-filtered="filtered">　　if x%2==0:<br data-filtered="filtered">　　　　return 'even'<br data-filtered="filtered">　　else:<br data-filtered="filtered">　　　　return 'odd'

注意如果在lambda中使用if進行條件判斷，則else是必須聲明的，否則會引起報錯。如果不返回結(jié)果可以用 else None 表示。

if...elif...else的多條件判斷也可以用于lambda，但會使得代碼過于復雜，所以不推薦。

lambda在pandas中的使用

lambda函數(shù)常用于DataFrame或者Series對象下的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)

輸出新列 'Pass'，根據(jù)成績判斷通過與否，輸出df后結(jié)果為：

  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為DataFrame對象，當參數(shù)axis=1時，x[1]等于第二列。

當用于Series對象時，以上代碼等價于：

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

在pandas中，通過apply，map, transform方法，lambda可以直接應用于Series級別的運算。

當使用applymap方法時，lambda可以應用于DataFrame級別的運算。

lamda的優(yōu)缺點

lambda的優(yōu)點：

• 不需要定義函數(shù)名（匿名函數(shù)）
• 代碼簡潔美觀
• 適用于定義簡單的計算

lambda的缺點：

• 只有一個運算式，不適用于復雜的計算
• 不夠直觀，難于理解，增加了維護成本

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論