python lambda表达式
斜月 人气:01 前言
在 Java 和 js 中,lambda
箭头函数是十分常见的操作,这种表达方式在使用时非常的简便。在python
的语法中也有应用场景,lambda
是python
预留的关键字,带有该关键字的都视为lambda
,
其表现形式如下:
# lambda 是表达式, arg 是用户输入参数 expression 是函数表达式 lambda [arg1 [,arg2,.....argn]]:expression
2 lambda 的特性
python 中 lambda 表达式的特性如下所示:
- 表达式是匿名的,lambda 只是一个一个表达式,类似于但是没有名字。
- 表达式有输入和输出,输入是 arg 的参数,输出是表达式计算的结果。
- 具有命名空间,只能在命名空间之内获取和操作参数变量。
常见的表达式如下所示:
lambda x, y: x + y # 函数输入是x和y,输出是 x + y lambda *args: sum(args) # 输入是任意个数参数,输出是多个参数的和,输入参数必须是数字 lambda **kwargs: 2 # 输入是任意键值对参数,输出结果为固定值
3 lambda 的一些用法
3.1 map 函数
map 函数会根据提供的函数对可迭代参数进行逐个调用,并返回一个可迭代对象结果,其语法和使用方式如下所示:
# function 代表为函数,iterable 代表一个可迭代对象,也可以传入多个对象 map(function, iterable, ...) # 只有一个可迭代参数情况 def cal_num(x): return x ** 2 + 2 * x - 3 # 准备的数据 read_list = [2, 3, 4] # 因为map 的结果是一个可迭代对象,所以转换为 list 对象打印结果 re_list = list(map(cal_num, read_list)) #计算的结果 [5, 12, 21] print(re_list) # 多个可迭代参数情况,逐个计算和 def cal_add_num(x, y): return x + y # 准备的数据 read_list = [2, 3, 4] re_list = list(map(cal_add_num, read_list, read_list)) # 计算结果 [4, 6, 8] print(re_list) # 关于多个迭代的操作,也可以采用 zip 将多个可迭代对象进行处理,组成元组对象,进行循环计算处理。 result_list = [] for k1, k2 in zip(read_list,read_list): result_list.append(k1 + k2)
3.2 reduce 函数
reduce 函数会对参数列表中的元素进行累积计算,通常的做法就是对一列数组求和,前篇讲述的 java Stream 关于 reduce 的操作和本例是一样的,其中的 lambda 可以看成是数列的推导式:
# function 代表为函数,iterable 代表一个可迭代对象,initializer 指定起始值 reduce(function, iterable[, initializer]) # 计算数组之和,lambda 写法,起始值为 10, 计算结果为 25 res = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 10)
这里需要说明的是,在 python3 中 reduce 已经从全局命名空间中移除,被放在了 functools 模块中,如果需要使用,则需要进行引入from functools import reduce
。
3.3 sorted 函数
sorted 函数,顾名思义就是对可迭代对象进行排序操作,其语法格式和用法如下所示:
# iterable 为可迭代对象 cmp 为比较函数 排序字段和排序顺序 sorted(iterable[, cmp[, key[, reverse]]]) # 1、简单排序 a = [5,7,6,3,4,1,2] # 使用sorted,保留原列表,不改变列表a的值 # 排序结果为 [1, 2, 3, 4, 5, 6, 7] b = sorted(a) # 2、使用 lambda 指定排序函数方式排序 # 待排序对象 x_list = [('b',2),('a',1),('c',3),('d',4)] # 排序结果:[('a', 1), ('b', 2), ('c', 3), ('d', 4)] y_list = sorted(x_list, cmp=lambda x,y:cmp(x[1],y[1])) # 3、利用参数 key 排序,依然使用 lambda 指定元祖的第一个数据 # 计算结果:[('a', 1), ('b', 2), ('c', 3), ('d', 4)] z_list = sorted(x_list, key=lambda x:x[1]) # 4、指定排序顺序 user_list = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)] # 排序结果 [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)] re_list = sorted(user_list, key=lambda s: s[2], reverse=True)
3.4 filter 函数
filter 函数相对来说就比较简单了,主要就是过滤操作,过滤掉不符合表达式的数据,得到最终的结果。
# function 为过滤函数,返回结果为 true 或者 false, iterable 为可迭代对象 filter(function, iterable) # 判断是否为奇数 def is_odd(n): return n % 2 == 1 newlist = filter(is_odd, [1, 2, 3, 4]) print(list(newlist))
4 总结
文章主要讲述了 python 的 lambda 的相关操作,主要就是 lambda 表达式与 map、filter、 sorted、 reduce 函数的配合使用。
加载全部内容