Python當中Lambda函數怎么使用

本文小編為大家詳細介紹“Python當中Lambda函數怎么使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Python當中Lambda函數怎么使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

什么是Lambda函數

在Python當中，我們經常使用lambda關鍵字來聲明一個匿名函數，所謂地匿名函數，通俗地來講就是沒有名字的函數，具體的語法格式如下所示：

lambda arguments : expression

其中它可以接受任意數量的參數，但是只允許包含一個表達式，而該表達式的運算結果就是函數的返回值，我們可以簡單地來寫一個例子：

(lambda x:x**2)(5)

output：

25

過濾列表中的元素

那么我們如何來過濾列表當中的元素呢？這里就需要將lambda函數和filter()方法聯合起來使用了，而filter()方法的語法格式：

filter(function, iterable)

• function -- 判斷函數

• iterable -- 可迭代對象，列表或者是字典

其中我們有這么一個列表：

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

其中我們想要過濾出2次方之后小于100的元素，我們來定義一個匿名函數，如下：

lambda x:x**2<100

最后出來的結果如下所示：

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

output：

[2, 5, 8]

要是遇上復雜的計算過程，小編這里還是推薦大家自己自定義一個函數，但若是簡單的計算過程，lambda匿名函數絕對是最佳的選擇。

和map()函數的聯用

map()函數的語法和上面的filter()函數相近，例如下面這個匿名函數：

lambda x: x**2+x**3

我們將其和map()方法聯用起來：

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

output：

[12,
 150,
 576,
 1452,
 2940,
 5202,
 ......]

當然正如我們之前提到的lambda匿名函數可以接受多個數量的參數，我們這里就可以來嘗試一下了，例如有兩組列表，

mylist = list(np.arange(4,52,3))
yourlist = list(np.arange(2,50,3))

我們同樣使用map()方法來操作，代碼如下：

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

output：

[20,
 74,
 164,
 290,
 452,
 650,
 884,
 1154,
......]

和apply()方法的聯用

apply()方法在Pandas的數據表格中用的比較多，而在apply()方法當中就帶上lambda匿名函數，我們新建一個數據表格，如下所示：

myseries = pd.Series(mylist)
myseries

output：

04
17
2 10
3 13
4 16
5 19
6 22
7 25
8 28
......
dtype: int32

apply()方法的使用和前兩者稍有不同，map()方法和filter()方法我們都需要將可迭代對象放入其中，而這里的apply()則不需要：

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表格數據的時候，也是同樣地操作

df = pd.read_csv(r'Dummy_Sales_Data_v1.csv')
df["Sales_Manager"] = df["Sales_Manager"].apply(lambda x: x.upper())
df["Sales_Manager"].head()

output：

0PABLO
1PABLO
2KRISTEN
3ABDUL
4 STELLA
Name: Sales_Manager, dtype: object

并且通過apply()方法處理可是比直接用str.upper()方法來處理，速度來的更快哦！！

不太適合使用的場景

那么不適合的場景有哪些呢？那么首先lambda函數作為一個匿名函數，不適合將其賦值給一個變量，例如下面的這個案例：

squared_sum = lambda x,y: x**2 + y**2
squared_sum(3,4)

相比較而言更好的是自定義一個函數來進行處理：

def squared_sum(x,y):
return x**2 + y**2

squared_sum(3,4)

output：

25

而我們遇到如下情景的時候，可以對代碼稍作簡化處理：

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]

我們可以將其簡化成：

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當中的內置函數，尤其是例如math這種用于算數的模塊，可以不需要放在lambda函數中，可以直接抽出來用

讀到這里，這篇“Python當中Lambda函數怎么使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。