百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

[编程基础] Python lambda函数总结

itomcoil 2025-05-25 13:20 26 浏览


Python lambda函数教程展示了如何在Python中创建匿名函数。Python中的匿名函数是使用lambda关键字创建的。

文章目录

  • 1 介绍
  • 1.1 简单使用
  • 1.2 Python lambda与map
  • 1.3 Python lambda与filter
  • 1.4 Python lambda与sort
  • 2 参考

1 介绍

Python lambda函数也称为匿名函数,是没有名称的内联函数。它们是用lambda关键字创建的。这是内置Python的函数范型的一部分。
Python lambda函数仅限于一个表达式。它们可以在任何可以使用正常功能的地方使用。

Python lambda具有以下语法:

z = lambda x: x * y

语句使用lambda关键字创建匿名函数。函数将两个值相乘。x是传递给lambda函数的参数。参数x后面跟着一个冒号字符。冒号右边的代码是在调用lambda函数时执行的表达式。lambda函数被分配给z变量。

1.1 简单使用

在下面示例中,我们有两个函数对一个值求平方。

def square(x):
    
    return x * x

# 这里我们用lambda定义一个匿名的内联函数。请注意,该函数没有名称。sqr_fun是保存创建的lambda函数的变量的名称
sqr_fun = lambda x: x * x

print(square(3))

print(sqr_fun(4))
9
16

lambda函数也可以不输入,示例如下:

def constant():
    return 1

# lambda本质是一个匿名函数
constant_fun = lambda: 1 

print(constant())
print(constant_fun())
1
1

lambda函数也可以多输入参数,示例如下:

def product(x, y):
    
    return x * y

# 冒号左边输入两个参数
product_fun = lambda x,y : x * y

print(product(3,4))

print(product_fun(4,3))
12
12

1.2 Python lambda与map

Python lambda函数对于该map() 函数很有用。我们可以创建更简洁的代码。Python map() 是一个内置函数,它将给定的函数应用于迭代器iterable的每一项,并返回一个迭代器iterator对象。
注意的是Python2 map函数返回列表,Python3 map函数返回迭代器。

def square(x):
    return x * x

# 计算列表各个元素的平方
result=map(square,[1,2,3,4,5])

print(result)

# 需要遍历迭代器
for i in result:
    print(i)
<map object at 0x7fc638814c10>
1
4
9
16
25

Python lambda函数对于map()函数很有用。我们可以创建更简洁的代码。Python map()是一个内置函数,它将给定的函数应用于iterable的每个项,并返回一个迭代器对象。
以下示例为map()创建了一个内联函数作为参数。使用map()函数,我们将lambda函数应用于列表的每个元素。

nums = [1, 2, 3, 4, 5, 6]

nums_squared = map(lambda x: x * x, nums)

for num in nums_squared:
    print(num)
1
4
9
16
25
36

当然lambada函数可以结合map()函数,输入两个参数,以下示例提供了两个列表,对两个列表中相同位置的数据进行相加

num_add = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])

for num in num_add:
    print(num)
3
7
11
15
19

1.3 Python lambda与filter

Python lambda函数可以与filter()函数一起使用。函数的作用是:从iterable中返回true的元素构造一个列表。

filte()函数为python自带函数,主要用于过滤掉不符合设定条件的元素,并返回符合条件元素组成的迭代器iterable。该函数有两个输入参数,第一个参数为处理函数,第二个参数为要处理的序列。序列的每个元素作为参数给函数进行判断,返回True或 False,过滤到返回False的参数,并将返回 True 的元素放到迭代器中。

下面示例展示通过使用filter()滤除奇数示例如下:

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

result = filter(is_even, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(result)

for i in result:
    print(i)
<filter object at 0x7fc638548650>
2
4
6
8
10

以下示例中,lambda函数结合filter函数过滤了整数列表。新列表仅包含奇数整数。filter()中第一个函数为处理列表元素的函数,也就是lambda函数。

nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]

nums_filtered = list(filter(lambda x: x % 2, nums))

print(nums_filtered)
[1, 3, 5, 7, 9, 11]

1.4 Python lambda与sort

Python列表有一个内置的列表排序()就地修改列表的方法。该方法有一个关键参数,用于在进行比较之前指定要在每个列表元素上调用的函数。在这里我们可以使用lambda函数。以下示例展示了使用lambda函数,按照用户的出生日期以相反的顺序对其进行排序。

users = [
  {'name': 'John Doe', 'date_of_birth': 1987},
  {'name': 'Jane Doe', 'date_of_birth': 1996},
  {'name': 'Robert Brown', 'date_of_birth': 1977},
  {'name': 'Lucia Smith', 'date_of_birth': 2002},
  {'name': 'Patrick Dempsey', 'date_of_birth': 1994}
]

# 获取列表的date_of_birth对应的值
def takeBirth(elem):
    return elem['date_of_birth']

# 从小到大排列
users.sort(key=takeBirth)
for user in users:
    print(user)

print('-'*50)

# list.sort()中reverse表示从大到小排列,key表示指定列表中的某个元素进行排列
users.sort(reverse=True, key=lambda e: e['date_of_birth']) 

for user in users:
    print(user)
{'name': 'Robert Brown', 'date_of_birth': 1977}
{'name': 'John Doe', 'date_of_birth': 1987}
{'name': 'Patrick Dempsey', 'date_of_birth': 1994}
{'name': 'Jane Doe', 'date_of_birth': 1996}
{'name': 'Lucia Smith', 'date_of_birth': 2002}
--------------------------------------------------
{'name': 'Lucia Smith', 'date_of_birth': 2002}
{'name': 'Jane Doe', 'date_of_birth': 1996}
{'name': 'Patrick Dempsey', 'date_of_birth': 1994}
{'name': 'John Doe', 'date_of_birth': 1987}
{'name': 'Robert Brown', 'date_of_birth': 1977}

2 参考

http://zetcode.com/python/lambda/

https://www.runoob.com/python/python-built-in-functions.html

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...