파이썬에서 흔히 사용되는 가장 신비한 함수! 람다 함수에 대한 심층 요약!

Python의 Lambda 함수란 무엇입니까?

람다 함수는 임의 개수의 인수를 받아들일 수 있는 익명 함수(즉, 이름이 정의되지 않음)이지만 일반 함수와는 달리 표현식만 평가하고 반환합니다.

Python의 람다 함수는 다음 구문을 사용하여 표현됩니다.

lambda 매개변수: 표현식

lambda 함수에는 세 가지 요소가 포함됩니다.

• 키워드 람다: 일반 함수의 def와 유사
• 매개변수: 위치 및 키 전달 지원 단어 매개변수는 일반 함수와 동일합니다
• 텍스트: 고정 매개변수로 표현식 처리

일반 함수와 달리 람다 함수의 경우 매개변수를 묶기 위해 괄호를 사용할 필요가 없다는 점에 유의하세요. 2개 이상의 다중 매개변수가 있으면 쉼표로 나열합니다.

람다 함수는 짧은 표현식(이상적으로는 한 줄)을 한 번만 평가하기 위해 사용합니다. 즉, 앞으로 이 함수를 다시 재사용하지 않을 것입니다. 일반적으로 말하면, 람다 함수를 filter(), map() 또는 Reduce()와 같은 Python 내장 함수와 같은 고차 함수(다른 함수를 매개변수로 받아들이는 함수)에 매개변수로 전달합니다.

Python의 람다 함수 작동 방식

간단한 람다 함수 예를 살펴보겠습니다:

lambda x: x + 1

출력:

<function __main__.<lambda>(x)>

위의 람다 함수는 매개변수를 가져와서 1씩 증가시키고 결과를 반환합니다

입니다. def 및 return 키워드가 포함된 다음 일반 함수의 더 간단한 버전:

def increment_by_one(x):
 return x + 1

지금까지 람다 함수 람다 x: x + 1은 함수 개체만 생성하고 아무것도 반환하지 않습니다. 이는 값(인수)을 제공하지 않았기 때문입니다. 매개변수 x에 대해. 먼저 변수를 할당하고 이를 람다 함수에 전달한 후 이번에는 무엇을 얻는지 살펴보겠습니다.

a = 2
print(lambda x: a + 1)

출력:

<function <lambda> at 0x00000250CB0A5820>

우리 람다 함수는 예상한 대로 3을 반환하지 않지만 대신 함수 개체 자체와 해당 항목을 반환합니다. 메모리 위치를 보면 이것이 람다 함수를 호출하는 올바른 방법이 아니라는 것을 알 수 있습니다. 람다 함수에 매개변수를 전달하고 실행하고 결과를 반환하려면 다음 구문을 사용해야 합니다.

(lambda x: x + 1)(2)

Output:

3

람다 함수의 매개변수가 괄호로 묶여 있지는 않지만 호출할 때 다음을 추가합니다. 람다 함수의 전체 구성과 여기에 전달하는 매개변수를 괄호로 묶습니다.

위 코드에서 주목해야 할 또 다른 점은 람다 함수를 사용하면 함수를 실행하고 생성되자마자 결과를 받을 수 있다는 것입니다. 이를 함수 실행 즉시 호출(또는 IIFE)이라고 합니다.

여러 매개변수가 있는 람다 함수를 만들 수 있으며, 이 경우 함수 정의에서 매개변수를 쉼표로 구분합니다. 이러한 람다 함수를 실행할 때 해당 매개변수를 동일한 순서로 나열하고 쉼표로 구분합니다.

(lambda x, y, z: x + y + z)(3, 8, 1)

Output:

12

람다 함수를 사용하여 조건부 연산을 수행할 수도 있습니다. 다음은 간단한 if-else 함수의 람다 시뮬레이션입니다.

print((lambda x: x if(x > 10) else 10)(5))
print((lambda x: x if(x > 10) else 10)(12))

Output:

10
12

여러 조건(if-elif-...-else)이 있는 경우 해당 조건을 중첩해야 합니다.

(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)

Output:

110

하지만 위의 작성 방법은 코드를 읽기 어렵게 만듭니다

이 경우 if-elif-...-else 조건이 설정된 일반 함수가 람다 함수보다 더 나은 선택이 될 것입니다. 실제로 위 예에서 람다 함수를 다음과 같이 작성할 수 있습니다.

def check_conditions(x):
 if x > 10:
 return x * 10
 elif x < 5:
 return x * 5
 else:
 return x
check_conditions(11)

출력:

110

위 함수가 해당 람다 함수보다 더 많은 행을 추가하지만 읽기가 더 쉽습니다

람다 A 함수를 변환할 수 있습니다 변수에 할당된 다음 해당 변수는 일반 함수로 호출됩니다.

increment = lambda x: x + 1
increment(2)

Output:

3

하지만 Python 코드에 대한 PEP 8 스타일 규칙에 따르면 이는 나쁜 습관입니다.

• 대입문을 사용하면 명시적인 def 문에 비해 람다 표현식이 제공하는 이점만 있습니다(즉, 더 큰 표현식에 포함될 수 있음)

따라서 나중에 사용하기 위해 함수를 저장해야 하는 경우 일반 함수와 동등한 함수를 정의하는 것이 좋습니다. 변수에 람다 함수를 할당하는 대신

Python에서 Lambda 함수 적용

filter() 함수가 있는 Lambda

Python의 filter() 함수에는 두 개의 매개 변수가 필요합니다.

• 필터 조건을 정의하는 함수
• Iterable 객체

함수를 실행하면 필터 개체를 얻습니다.

lst = [33, 3, 22, 2, 11, 1]
filter(lambda x: x > 10, lst)

출력:

<filter at 0x250cb090520>

필터 개체에서 새 반복자를 가져오고 원래 반복자의 모든 항목이 사전 정의된 조건을 충족하려면 다음이 필요합니다. Python 표준 라이브러리의 해당 함수에 필터 객체를 전달하려면: list(), tuple(), set(),frozenset() 또는 sorted()(정렬된 목록 반환)

숫자 목록을 필터링해 보겠습니다. 10보다 큰 숫자만 반환하고 오름차순으로 정렬된 목록을 반환합니다.

lst = [33, 3, 22, 2, 11, 1]
sorted(filter(lambda x: x > 10, lst))

Output:

[11, 22, 33]

원래 객체와 동일한 유형의 새로운 반복 가능한 객체를 만들 필요가 없으며 더 나아가 이 결과를 저장할 수 있습니다. 변수에서의 연산:

lst = [33, 3, 22, 2, 11, 1]
tpl = tuple(filter(lambda x: x > 10, lst))
tpl

Output:

(33, 22, 11)

带有 map() 函数的 Lambda

我们使用 Python 中的 map() 函数对可迭代的每个项目执行特定操作。它的语法与 filter() 相同：一个要执行的函数和一个该函数适用的可迭代对象。

map() 函数返回一个 map 对象，我们可以通过将该对象传递给相应的 Python 函数来从中获取一个新的迭代：list()、tuple()、set()、frozenset() 或 sorted()

与 filter() 函数一样，我们可以从 map 对象中提取与原始类型不同类型的可迭代对象，并将其分配给变量。

下面是使用 map() 函数将列表中的每个项目乘以 10 并将映射值作为分配给变量 tpl 的元组输出的示例：

lst = [1, 2, 3, 4, 5]
print(map(lambda x: x * 10, lst))
tpl = tuple(map(lambda x: x * 10, lst))
tpl

Output:

<map object at 0x00000250CB0D5F40>
(10, 20, 30, 40, 50)

map() 和 filter() 函数之间的一个重要区别是第一个函数总是返回与原始函数相同长度的迭代。因此由于 pandas Series 对象也是可迭代的，我们可以在 DataFrame 列上应用 map() 函数来创建一个新列：

import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [0, 0, 0, 0, 0]})
print(df)
df['col3'] = df['col1'].map(lambda x: x * 10)
df

Output:

col1col2
0 1 0
1 2 0
2 3 0
3 4 0
4 5 0
col1col2col3
0 1 010
1 2 020
2 3 030
3 4 040
4 5 050

当然要在上述情况下获得相同的结果，也可以使用 apply() 函数：

df['col3'] = df['col1'].apply(lambda x: x * 10)
df

Output:

col1col2col3
0 1 010
1 2 020
2 3 030
3 4 040
4 5 050

我们还可以根据某些条件为另一列创建一个新的 DataFrame 列，对于下面的代码，我们可以互换使用 map() 或 apply() 函数：

df['col4'] = df['col3'].map(lambda x: 30 if x < 30 else x)
df

Output:

col1col2col3col4
0 1 01030
1 2 02030
2 3 03030
3 4 04040
4 5 05050

带有 reduce() 函数的 Lambda

reduce() 函数与 functools Python 模块相关，它的工作方式如下：

• 对可迭代对象的前两项进行操作并保存结果
• 对保存的结果和可迭代的下一项进行操作
• 以这种方式在值对上进行，直到所有项目使用可迭代的

该函数与前两个函数具有相同的两个参数：一个函数和一个可迭代对象。但是与前面的函数不同的是，这个函数不需要传递给任何其他函数，直接返回结果标量值：

from functools import reduce
lst = [1, 2, 3, 4, 5]
reduce(lambda x, y: x + y, lst)

Output:

15

上面的代码展示了我们使用 reduce() 函数计算列表总和时的作用

需要注意的是，reduce() 函数总是需要一个带有两个参数的 lambda 函数，而且我们必须首先从 functools Python 模块中导入它

Python 中 Lambda 函数的优缺点

优点

• 评估单个表达式的理想选择，应该只评估一次
• 它可以在定义后立即调用
• 与相应的普通语法相比，它的语法更紧凑
• 它可以作为参数传递给高阶函数，例如 filter()、map() 和 reduce()

缺点

• 它不能执行多个表达式
• 它很容易变得麻烦，可读性差，例如当它包括一个 if-elif-...-else 循环
• 它不能包含任何变量赋值（例如，lambda x: x=0 将抛出一个语法错误）
• 我们不能为 lambda 函数提供文档字符串

总结

总而言之，我们已经详细讨论了在 Python 中定义和使用 lambda 函数的许多方面：

• lambda 函数与普通 Python 函数有何不同
• Python 中 lambda 函数的语法和剖析
• 何时使用 lambda 函数
• lambda 函数的工作原理
• 如何调用 lambda 函数
• 调用函数执行（IIFE）的定义
• 如何使用 lambda 函数执行条件操作，如何嵌套多个条件，以及为什么我们应该避免它
• 为什么我们应该避免将 lambda 函数分配给变量
• 如何将 lambda 函数与 filter() 函数一起使用
• 如何将 lambda 函数与 map() 函数一起使用
• 我们如何在 pandas DataFrame 中使用
• 带有传递给它的 lambda 函数的 map() 函数 - 以及在这种情况下使用的替代功能
• 如何将 lambda 函数与 reduce() 函数一起使用
• 普通 Python 上使用 lambda 函数的优缺点

希望今天的讨论可以使 Python 中看似令人生畏的 lambda 函数概念更清晰、更易于应用，更希望小伙伴们能够喜欢，喜欢就点个赞吧！

위 내용은 파이썬에서 흔히 사용되는 가장 신비한 함수! 람다 함수에 대한 심층 요약!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!