淺談Python當中Lambda函數的用法

今天來給大家推薦一個Python當中超級好用的內建函數，那便是lambda方法，本篇教程大致和大家分享：

• 什麼是lambda函數
• lambda函數過濾列表元素
• lambda函數和map()方法的聯用
• lambda函數和apply()方法的聯用
• 什麼時候不適合使用lambda方法

什麼是Lambda函數

在Python當中，我們經常使用lambda關鍵字來宣告一個匿名函數，所謂地匿名函數，通俗地來講就是沒有名字的函數，具體的語法格式如下所示：

lambda arguments : expression

其中它可以接受任意數量的參數，但是只允許包含一個表達式，而該表達式的運算結果就是函數的傳回值，我們可以簡單地來寫一個例子：

(lambda x:x**2)(5)

output：

25

過濾列表中的元素

那麼我們如何來過濾列表當中的元素呢？這裡就需要將lambda函數和filter()方法結合起來使用了，而filter()方法的語法格式：

filter(function, iterable)

• function -- 判斷函數
##iterable -- 可迭代對象，列表或字典

其中我們有這麼一個列表：

import numpy as np
yourlist = list(np.arange(2,50,3))

其中我們想要過濾出2次方之後小於100的元素，我們來定義一個匿名函數，如下：

lambda x:x**2<100

最後出來的結果如下所示：

list(filter(lambda x:x**2<100, yourlist))

output：

[2, 5, 8]

要是遇上複雜的計算過程，小編這裡還是推薦大家自己自訂一個函數，但若是簡單的計算過程，lambda匿名函數絕對是最佳的選擇。

和map()函數的聯用

map()函數的語法和上面的filter()函數相近，例如下面這個匿名函數：

lambda x: x**2+x**3

我們將其和map()方法聯用起來：

list(map(lambda x: x**2+x**3, yourlist))

output：

[12,
 150,
 576,
 1452,
 2940,
 5202,
 ......]

#當然正如我們之前提到的lambda匿名函數可以接受多個數量的參數，我們在這裡就可以來嘗試一下了，例如有兩組列表，

mylist = list(np.arange(4,52,3))
yourlist = list(np.arange(2,50,3))

我們同樣使用map()方法來操作，程式碼如下：

list(map(lambda x,y: x**2+y**2, yourlist,mylist))

output：

[20,
 74,
 164,
 290,
 452,
 650,
 884,
 1154,
......]

和apply()方法的聯用

apply()方法在Pandas的資料表格中用的比較多，而在apply()方法當中就帶上lambda匿名函數，我們新建一個資料表格，如下所示：

myseries = pd.Series(mylist)
myseries

output：

04
17
2 10
3 13
4 16
5 19
6 22
7 25
8 28
......
dtype: int32

apply()方法的使用和前兩者稍有不同，map()方法和filter()方法我們都需要將可迭代物件放入其中，而這裡的apply()則不需要：

myseries.apply(lambda x: (x+5)/x**2)

output：

0 0.562500
1 0.244898
2 0.150000
3 0.106509
4 0.082031
5 0.066482
6 0.055785
7 0.048000
......
dtype: float64

而要是遇到DataFarme表格資料的時候，也是同樣地操作

df = pd.read_csv(r'Dummy_Sales_Data_v1.csv')
df["Sales_Manager"] = df["Sales_Manager"].apply(lambda x: x.upper())
df["Sales_Manager"].head()

output：

0PABLO
1PABLO
2KRISTEN
3ABDUL
4 STELLA
Name: Sales_Manager, dtype: object

並且透過apply()方法處理可是比直接用str.upper()方法來處理，速度來的更快哦！ ！

不太適合使用的場景

那麼不適合的場景有哪些呢？那麼首先lambda函數作為一個匿名函數，不適合將其賦值給一個變量，例如下面的這個案例：

squared_sum = lambda x,y: x**2 + y**2
squared_sum(3,4)

相比較而言更好的是自定義一個函數來進行處理：

def squared_sum(x,y):
return x**2 + y**2

squared_sum(3,4)

output：

25

而我們遇到如下情境的時候，可以對程式碼稍作簡化處理：

import math
mylist = [10, 25, 40, 49, 65, 81]
sqrt_list = list(map(lambda x: math.sqrt(x), mylist))
sqrt_list

output：

[3.16227766, 5.0, 6.324555320, 7.0, 8.062257748, 9.0]

我們可以將其簡化成：

import math
mylist = [10, 25, 40, 49, 65, 81]
sqrt_list = list(map(math.sqrt, mylist))
sqrt_list

output：

[3.162277, 5.0, 6.324555, 7.0, 8.062257, 9.0]

如果是Python當中的內建函數，尤其是例如math這種用於算數的模組，可以不需要放在lambda函數中，可以直接抽出來用

以上是淺談Python當中Lambda函數的用法的詳細內容。更多資訊請關注PHP中文網其他相關文章！