综合编程

Python 进阶之路 (六) 九浅一深 lambda,陈独秀你给我坐下!

微信扫一扫,分享到朋友圈

Python 进阶之路 (六) 九浅一深 lambda,陈独秀你给我坐下!
0

lambda是什么

大家好,今天给大家带来的是有关于Python里面的lambda表达式详细解析。lambda在Python里面的用处很广,但说实话,我个人认为有关于lambda的讨论不是如何使用的问题,而是该不该用的问题。接下来还是通过大量实例和大家分享我的学习体验,可能最后你也会得出和我一样的结论。

好啦,首先让我们先搞明白基础定义,lambda到底是什么?

Lambda表达了Python中用于创建匿名函数的特殊语法。我们将lambda语法本身称为lambda表达式,从这里得到的函数称之为lambda函数。

其实总结起来,lambda可以理解为一个小的匿名函数,
lambda函数可以使用任意数量的参数,但只能有一个表达式。

估计有JavaScript ES6经验的朋友们听上去会很亲切,具体函数表达式如下:

  • 模板: lambda argument: manipulate(argument)
  • 参数:argument就是这个匿名函数传入的参数,冒号后面是我们对这个参数的操作方法

让我们参考上面的定义模板和参数, 直接看一个最简单的例子:

add_one = lambda x:x+1       # 1个参数,执行操作为+1
add_nums = lambda x,y:x+y    # 2个参数,执行操作为相加

print(add_one(2))            # 调用add_one
print(add_nums(3,7))         # 调用add_nums

>>>   3 
     10

相比大家已经发现lambda匿名函数的特点了,就是对于较为简单的功能,无需自己def一个了,单行就可以写下,传参和执行方法一气呵成

lambda用法详解

接下来让我们看看lambda的实际应用,就我自己使用lambda的体验来说,从来没有单独用过,lambda一般情况下是和map,filter,reduce这些超棒的内置函数以及dict,list,tuple,set 等数据结构混用,这样才能发挥它的最大效果,如果有朋友还不太熟悉这些内置函数,可以看一下我上一篇文章 Python 进阶之路 (五) map, filter, reduce, zip 一网打尽

好了,闲话少说,下面让我们一个个来看

lambda + map

首先出场的是lambda+map的组合,先看下面这个例子:

numbers = [1,2,3,4,5]
add_one = list(map(lambda n:n+1,numbers))  #map(fun,sequence)

print(list(add_one))
print(tuple(add_one))

Out: [2, 3, 4, 5, 6]
     (2, 3, 4, 5, 6)

这个是我们上一期的例子,实现一个数组(元组)每个元素+1,让我们回忆一下map的用法

map(fun,sequence),fun是传递的方法,sequence是一个可迭代的序列,这里我们的fun就是匿名函数

lambda n:n+1,这里非常完美的解释了lambda的设计初衷,因为如果没有lambda,我们的解决方案是这样:

def add(num):
    return num+1

numbers = [1,2,3,4,5]
add_one = list(map(add,numbers))
print(add_one)
print(tuple(add_one))

显然易见,这里的add方法有点多余,所以用lambda代替是个好的选择。让我们再看下一个例子,这是我自己备份日志时写的一小段代码,命名不是很规范:

from datetime import datetime as dt
logs = ['serverLog','appLog','paymentLog']
format ='_{}.py'.format(dt.now().strftime('%d-%m-%y'))
result =list(map(lambda x:x+format,logs))   # 利用map+lambda 实现字符串拼接
print(result)

Out:['serverLog_11-02-19.py', 'appLog_11-02-19.py', 'paymentLog_11-02-19.py']

这里和刚才的加1例子差不多,但是换成了字符串的拼接,然而我这里用lambda并不是很好的解决方案,最后我们会说,现在大家应该对map + lambda 有一些感觉了,让我们再来个和dict字典互动的例子:

person =[{'name':'Lilei',
          'city':'beijing'},
         {'name':'HanMeiMei',
          'city':'shanghai'}]

names=list(map(lambda x:x['name'],person))
print(names)

Out:['Lilei', 'HanMeiMei']

好了,看到这里对于map+lambda的用法大家已经很清楚了应该~

lambda + filter

lambda和filter的组合也很常见,用于特定筛选条件下,现在让我们来看上篇文章filter的例子,就应该很好理解了:

numbers = [0, 1, 2, -3, 5, -8, 13]

# 提取奇数
result = filter(lambda x: x % 2, numbers)
print("Odd Numbers are :",list(result))

# 提取偶数
result = filter(lambda x: x % 2 == 0, numbers)
print("Even Numbers are :",list(result))

#提取正数
result = filter(lambda x: x>0, numbers)
print("Positive Numbers are :",list(result))

Out:Odd Numbers are : [1, -3, 5, 13]
     Even Numbers are : [0, 2, -8]
     Positive Numbers are : [1, 2, 5, 13]

这里无非就是我们把filter(fun,sequence)里面的fun换成了我们的lambda,只是lambda的函数部分(x%2,x%2==0,x>0)都是可以返回True或者False来判断的,符合fiter的要求,用刚才李雷和韩梅梅的例子也是一个道理:

person =[{'name':'Lilei',
          'city':'beijing'},
         {'name':'HanMeiMei',
          'city':'shanghai'}]

names=list(filter(lambda x:x['name']=='Lilei',person)) # 提取李雷的信息
print(names)

Out:[{'name': 'Lilei', 'city': 'beijing'}]

lambda + reduce

还是让我们看一下上篇文章的例子:

from functools import reduce          # Only Python 3
numbers = [1,2,3,4]
result_multiply = reduce((lambda x, y: x * y), numbers)
result_add = reduce((lambda x,y: x+y), numbers)

print(result_multiply)
print(result_add)

Out:24
     10

这个例子用lambda和reduce的配合实现了list求累积和和累积乘法。

有意思的是这个例子具有两面性,一方面展示了lambda和reduce如何一起使用,另一方面也引出了接下来我想说的重点:lambda真的值得用吗?到底应该怎么用?

避免过度使用lambda

通过上面的例子大家已经看到了lambda的实际应用场景,但是这里我想和大家分享一下我的看法: 我认为lambda的缺点略多于优点,应该避免过度使用lambda

首先,这仅仅是我的个人看法哈,希望大家理解,我的理由如下:首先让我们拿lambda方法和常规def做个对比,我发现lambda和def的主要不同点如下:

  • 可以立即传递(无需变量)
  • 只需一行代码,简洁(未必高效)
  • 可以会自动返回,无需return
  • lambda函数没有函数名称

有关优点大家都可以看到,我主要想说一下它的缺点,首先, 从真正需求出发,我们在大多数时候是不需要lambda的,因为总可以找到更好的替代方法
,现在我们一起看一下刚才lambda+reduce 的例子,我们用lambada实现的结果如下:

from functools import reduce          # Only Python 3
    numbers = [1,2,3,4]
    result_multiply = reduce((lambda x, y: x * y), numbers)
    result_add = reduce((lambda x,y: x+y), numbers)

这里用lambda并没有实现简单高效的目的,因为我们有现成的sum和mul方法可以用:

from functools import reduce
from operator import mul

numbers = [1,2,3,4]
result_add = sum(numbers)
result_multiply =reduce(mul,numbers)

print(result_add)
print(result_multiply)

Out: 10
     24

结果是一样的,但是显然用sum和mul的方案更加高效。再举个常见的例子说明,假如我们有一个list存储了各种颜色,现在要求把每个颜色首字母大写,如果用lambda写出是这样:

colors = ['red','purple','green','blue']
result = map(lambda c:c.capitalize(),colors)
print(list(result))

Out:['Red', 'Purple', 'Green', 'Blue']

看着似乎不错,挺简洁的,但是我们有更好的方法:

colors = ['red','purple','green','blue']
result = [c.capitalize() for c in colors]
print(result)

Out:['Red', 'Purple', 'Green', 'Blue']

用sorted还能处理首字母不规范的情况,连排序都省了:

colors = ['Red','purple','Green','blue']
print(sorted(colors,key=str.capitalize))

Out:['blue', 'Green', 'purple', 'Red']

还有一个主要原因就是: lambda函数没有函数名称
。所以在代码交接,项目移植的场景中会给团队带来很多困难,多写个函数add_one()没什么坏处,因为大家都很容易理解,知道它是执行+1的功能

适合lambda的场景

话又说回来,存在即合理,那么真正需要我们使用lambda的是哪些场景呢:

  1. 你需要的方法是很简单的(+1,字符串拼接等),该函数不值得一个名字
  2. 使用lambda表达式,会比我们能想到的函数名称更容易理解
  3. 除了lambda,没有任何python提供的函数可以实现目的
  4. 团队中所有成员都掌握lambda,这样不会造成歧义或浪费时间

还有一种场景非常适用,就是在给其他人制造自己很专业的错觉时,比如:

哎呀,小老弟,听说你学了Python,知道lambda不? 没听过?不行啊,白学了!来来来,让我给你讲讲。。。此处省略1万字

总结

今天为大家九浅一深地讲解了lambda的用法和使用场景,所谓九浅一深,就是90%情况下用于创建简单的匿名函数,10%的情况稍微复杂(我这个借口找的太好了)

总而言之就是,任何事情都具有两面性,我们在使用lambda之前应该先停下来,问问自己是不是真的需要它。

当然,如果需要和别人忽悠的时候都是正反一张嘴,lambda是好是坏全凭一张嘴了,吹牛时请遵守如下原则,屡试不爽:

如果你说一个女大学生晚上卖淫就是可耻,但如果改成一个妓女利用业余时间努力学习就励志多了

lambda也是如此

阅读原文...


SegmentFault博客

Airbnb management startup Hometime launches in two new markets as gross booking value hits ...

上一篇

3 Column Site Columns Floated Left But Not Appearing in Correct Order

下一篇

您也可能喜欢

评论已经被关闭。

插入图片
Python 进阶之路 (六) 九浅一深 lambda,陈独秀你给我坐下!

长按储存图像,分享给朋友