Python 中的 Lambda 函数是动态创建小型匿名函数的强大方法。这些函数通常用于简短的操作，其中不需要完整函数定义的开销。

传统函数是使用 def 关键字定义的，而 Lambda 函数是使用 lambda 关键字定义的，并且直接集成到代码行中。特别是，它们经常用作内置函数的参数。它们使开发人员无需临时函数定义即可编写干净且可读的代码。

在本文中，我们将介绍 Lambda 函数的用途及其语法。我们还将提供一些使用它们的示例和最佳实践，并讨论它们的优点和缺点。

先决条件

Lambda 函数自版本 2.0 起就成为 Python 的一部分，因此您需要：

• 最低Python版本：2.0.
• 推荐Python版本：3.10或更高版本。

在本教程中，我们将了解如何将 Lambda 函数与 Pandas 库结合使用：一个快速、强大、灵活且易于使用的开源数据分析和操作库。如果您尚未安装，请运行以下命令：

pip install pandas

Python Lambda 函数的语法和基础知识

首先，让我们定义开发人员创建 Lambda 函数必须使用的语法。

Lambda 函数是使用 lambda 关键字定义的，后跟一个或多个参数和一个表达式：

lambda arguments: expression

假设我们要创建一个将两个数字相加的 Lambda 函数：

add = lambda x, y: x   y

运行以下命令：

result = add(3, 5)
print(result)

这导致：

8

我们创建了一个带有两个参数 x 和 y 的匿名函数。与传统函数不同，Lambda 函数没有名称：这就是我们说它们是“匿名”的原因。

此外，我们不使用 return 语句，就像在常规 Python 函数中那样。所以我们可以随意使用 Lambda 函数：它可以被打印（就像我们在本例中所做的那样）、存储在变量中等等。

现在让我们看看 Lambda 函数的一些常见用例。

Lambda 函数的常见用例

Lambda 函数特别适用于我们需要临时简单函数的情况。特别是，它们通常用作高阶函数的参数。

让我们看一些实际例子。

将 Lambda 函数与 map() 函数结合使用

map() 是一个内置函数，它将给定函数应用于可迭代的每个项目，并返回带有结果的地图对象。

例如，假设我们要计算列表中每个数字的平方根。我们可以使用 Lambda 函数，如下所示：

# Define the list of numbers
numbers = [1, 2, 3, 4]

# Calculate square values and print results
squared = list(map(lambda x: x ** 2, numbers))
print(squared)

这导致：

[1, 4, 9, 16]

我们现在有一个包含初始数字的平方根的列表。

正如我们所看到的，这极大地简化了即时使用不需要稍后重用的函数的流程。

将 Lambda 函数与 filter() 函数结合使用

现在，假设我们有一个数字列表并想要过滤偶数。

我们可以使用 Lambda 函数，如下所示：

# Create a list of numbers
numbers = [1, 2, 3, 4]

# Filter for even numbers and print results
even = list(filter(lambda x: x % 2 == 0, numbers))
print(even)

这导致：

[2,4]

将 Lambda 函数与 Sorted() 函数结合使用

Python中的sorted()函数从任何可迭代的元素中返回一个新的排序列表。使用 Lambda 函数，我们可以对这些列表应用特定的过滤条件。

例如，假设我们有一个二维点列表：(x,y)。我们想要创建一个以增量方式对 y 值进行排序的列表。

我们可以这样做：

# Creates a list of points
points = [(1, 2), (3, 1), (5, -1)]

# Sort the points and print
points_sorted = sorted(points, key=lambda point: point[1])
print(points_sorted)

我们得到：

[(5, -1), (3, 1), (1, 2)]

在列表推导式中使用 Lambda 函数

鉴于其简洁性，Lambda 函数可以嵌入到列表推导式中以进行即时计算。

假设我们有一个数字列表。我们想要：

• 迭代整个列表
• 计算并打印双倍初始值。

我们可以这样做：

# Create a list of numbers
numbers = [1, 2, 3, 4]

# Calculate and print the double of each one
squared = [(lambda x: x ** 2)(x) for x in numbers]
print(squared)

我们得到：

[1, 4, 9, 16]

使用 Lambda 函数的优点

鉴于我们已经探索过的示例，让我们来看看使用 Lambda 函数的一些优点：

• 逻辑简单的简洁性和可读性：Lambda 函数允许简洁的代码，减少对标准函数定义的需求。这提高了函数逻辑简单的情况下的可读性。
• 增强的函数式编程能力：Lambda 函数与函数式编程原则很好地结合在一起，支持在 Python 代码中进行函数式构造。特别是，它们促进了高阶函数的使用以及函数作为第一类对象的应用。
• 何时以及为何首选 Lambda 函数：在定义不需要在代码中的其他地方重用的短的“一次性”函数时，Lambda 函数特别有利。因此它们非常适合内联使用，例如高阶函数的参数。

局限性和缺点

让我们简单讨论一下 Python 中 Lambda 函数的一些限制和缺点：

• 复杂表达式中的可读性挑战：虽然 Lambda 函数很简洁，但在用于复杂表达式时可能会变得难以阅读和理解。这可能会导致代码更难维护和调试。
• 错误处理和调试的限制：由于 Lambda 函数只能包含单个表达式，因此它们不能包含语句，例如用于错误处理的 try- except 块。此限制使它们不适合需要这些功能的复杂操作。
• 功能受限：由于 Lambda 函数只能包含单个表达式，因此它们的通用性不如标准函数。这种设计限制将它们的使用限制为简单的操作和转换。

使用 Lambda 函数的最佳实践

现在我们已经考虑了一些优点和缺点，让我们定义一些有效使用 Lambda 函数的最佳实践：

• 保持简单：为了保持可读性和简单性，Lambda 函数应保持简短并仅限于简单的操作。逻辑复杂的函数应该重构为标准函数。
• 避免过度使用：虽然 Lambda 函数在许多情况下都很方便，但过度使用它们可能会导致代码难以阅读和维护。当清晰度至关重要时，请明智地使用它们并选择标准功能。
• 将 Lambda 函数与其他 Python 功能组合：正如我们所见，Lambda 函数可以有效地与其他 Python 功能组合，例如列表推导式和高阶函数。如果使用得当，这可以产生更具表现力和简洁的代码。

Lambda 函数的高级技术

在某些情况下，更先进的 Lambda 函数技术可能会有所帮助。

让我们看一些例子。

嵌套 Lambda 函数

Lambda 函数可以嵌套以进行复杂的操作。

此技术在需要在序列中进行多个小型转换的场景中非常有用。

例如，假设您要创建一个函数来计算数字的平方根，然后加 1。以下是如何使用 Lambda 函数来执行此操作：

# Create a nested lambda function
nested_lambda = lambda x: (lambda y: y ** 2)(x)   1

# Print the result for the value 3
print(nested_lambda(3))

你得到：

10

与 Python 库集成以实现高级功能

许多 Python 库利用 Lambda 函数来简化复杂的数据处理任务。

例如，Lambda 函数可以与 Pandas 和 NumPy 一起使用，以简化数据操作和转换。

假设我们有一个包含两列的数据框。我们想要创建另一列，作为其他两列的总和。在这种情况下，我们可以使用 Lambda 函数，如下所示：

# Create the columns' data
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}

# Create data frame
df = pd.DataFrame(data)

# Create row C as A B and print the dataframe
df['C'] = df.apply(lambda row: row['A']   row['B'], axis=1)
print(df)

我们得到：

   A  B  C
0  1  4  5
1  2  5  7
2  3  6  9

我们的 Python Lambda 函数之旅就到此为止！

总结

在本文中，我们了解了如何在 Python 中使用 Lambda 函数，探讨了它们的优缺点、一些最佳实践，并涉及了一些高级用例。

编码愉快！

附注如果您想在 Python 帖子发布后立即阅读它们，请订阅我们的 Python Wizardry 时事通讯，不错过任何一篇帖子！