Python 中的萬能之王 Lambda 函數

Lambda 函數簡介

Lambda函數也被稱為匿名(沒有名稱)函數，它直接接受參數的數量以及使用該參數執行的條件或操作，此參數以冒號分隔，並傳回最終結果。為了在大型程式碼庫上編寫程式碼時執行一項小任務，或在函數中執行一項小任務，便在正常過程中使用lambda函數。

lambda argument_list:expersion

argument_list是參數列表，它的結構與Python中函數(function)的參數列表是一樣的

a,b
a=1,b=2
*args
**kwargs
a,b=1,*args
空
....

expression是一個關於參數的表達式，表達式中出現的參數需要在argument_list中有定義，且表達式只能是單行的。

1
None
a+b
sum(a)
1 if a >10 else 0
[i for i in range(10)]
...

普通函數和Lambda函數的區別

• 沒有名稱Lambda函數沒有名稱，而普通運算有一個合適的名稱。
• Lambda函數沒有傳回值使用def關鍵字建立的普通函數傳回值或序列資料類型，但在Lambda函數中傳回一個完整的過程。假設我們想要檢查數字是偶數還是奇數，使用lambda函數語法類似下面的程式碼片段。

b = lambda x: "Even" if x%2==0 else "Odd"
b(9)

• 函數只在一行中Lambda函數只在一行中編寫和創建，而在普通函數的中使用縮排
• 不用於程式碼重用Lambda函數不能用於程式碼重用，或不能在任何其他檔案中匯入這個函數。相反，普通函數用於程式碼重用，可以在外部文件中使用。

為什麼要使用Lambda函數?

在一般情況下，我們不使用Lambda函數，而是將其與高階函數一起使用。高階函數是一種需要多個函數來完成任務的函數，或者當一個函數傳回任何另一個函數時，可以選擇使用Lambda函數。

什麼是高階函數?

透過一個例子來理解高階函數。假設有一個整數列表，必須傳回三個輸出。

• 一個列表中所有偶數的和
• 一個列表中所有奇數的和
• 一個所有能被三整除的數的和

首先假設用普通函數來處理這個問題。在這種情況下，將宣告三個不同的變數來儲存各個任務，並使用一個for迴圈處理並傳回結果三個變數。此方法常規可正常運作。

現在使用Lambda函數來解決這個問題，那麼可以用三個不同的L​​ambda函數來檢查一個待檢驗數是否是偶數，奇數，還是能被三整除，然後在結果中加上一個數。

def return_sum(func, lst):
 result = 0
 for i in lst:
 #if val satisfies func
 if func(i):
 result = result + i
 return result
lst = [11,14,21,56,78,45,29,28]
x = lambda a: a%2 == 0
y = lambda a: a%2 != 0
z = lambda a: a%3 == 0
print(return_sum(x, lst))
print(return_sum(y, lst))
print(return_sum(z, lst))

這裡創建了一個高階函數，其中Lambda函數作為一個部分傳遞給普通函數。其實這種類型的程式碼在網路上隨處可見。然而很多人在使用Python時都會忽略這個函數，或者只是偶爾使用它，但其實這些函數真的非常方便，同時也可以節省更多的程式碼行。接下來我們一起來看看這些高階函數。

Python內建高階函數

Map函數

map() 會根據提供的函數對指定序列做映射。

Map函數是一個接受兩個參數的函數。第一個參數 function 以參數序列中的每一個元素呼叫 function 函數，第二個是任何可迭代的序列資料類型。傳回包含每次 function 函數傳回值的新清單。

map(function, iterable, ...)

Map函數將定義在迭代器物件中的某種類型的操作。假設我們要將陣列元素進行平方運算，即將一個陣列的每個元素的平方映射到另一個產生所需結果的陣列。

arr = [2,4,6,8]
arr = list(map(lambda x: x*x, arr))
print(arr)

我們可以用不同的方式使用Map函數。假設有一個包含名稱、地址等詳細資訊的字典列表，目標是產生一個包含所有名稱的新列表。

students = [
 {"name": "John Doe",
"father name": "Robert Doe",
"Address": "123 Hall street"
},
 {
 "name": "Rahul Garg",
 "father name": "Kamal Garg",
 "Address": "3-Upper-Street corner"
 },
 {
 "name": "Angela Steven",
"father name": "Jabob steven",
"Address": "Unknown"
 }
]
print(list(map(lambda student: student['name'], students)))
>>> ['John Doe', 'Rahul Garg', 'Angela Steven']

上述操作通常出現在從資料庫或網路抓取取得資料等場景。

Filter函數

Filter函數根據給定的特定條件過濾掉資料。即在函數中設定篩選條件，迭代元素，保留傳回值為True 的元素。 Map 函數對每個元素進行操作，而 filter 函數僅輸出符合特定要求的元素。

假設有一個水果名稱列表，任務是只輸出那些名稱中包含字元「g」的名稱。

fruits = ['mango', 'apple', 'orange', 'cherry', 'grapes']
print(list(filter(lambda fruit: 'g' in fruit, fruits)))

filter(function or None, iterable) --> filter object

傳回一個迭代器，為那些函數或項為真的可迭代項。如果函數為None，則傳回為真的項。

Reduce函數

這個函數比較特別，不是 Python 的內建函數，需要透過from functools import reduce 導入。 Reduce 從序列資料結構傳回單一輸出值，它透過應用給定的函數來減少元素。

reduce(function, sequence[, initial]) -> value

將包含兩個參數的函數(function)累積應用於序列(sequence)的項，從左到右，從而將序列reduce至單一值。

如果存在initial，則將其放在專案之前的序列，並作為預設值時序列是空的。

假设有一个整数列表，并求得所有元素的总和。且使用reduce函数而不是使用for循环来处理此问题。

from functools import reduce
lst = [2,4,6,8,10]
print(reduce(lambda x, y: x+y, lst))
>>> 30

还可以使用 reduce 函数而不是for循环从列表中找到最大或最小的元素。

lst = [2,4,6,8]
# 找到最大元素
print(reduce(lambda x, y: x if x>y else y, lst))
# 找到最小元素
print(reduce(lambda x, y: x if x<y else y, lst))

高阶函数的替代方法

列表推导式

其实列表推导式只是一个for循环，用于添加新列表中的每一项，以从现有索引或一组元素创建一个新列表。之前使用map、filter和reduce完成的工作也可以使用列表推导式完成。然而，相比于使用Map和filter函数，很多人更喜欢使用列表推导式，也许是因为它更容易应用和记忆。

同样使用列表推导式将数组中每个元素进行平方运算，水果的例子也可以使用列表推导式来解决。

arr = [2,4,6,8]
arr = [i**2 for i in arr]
print(arr)
fruit_result = [fruit for fruit in fruits if 'g' in fruit]
print(fruit_result)

字典推导式

与列表推导式一样，使用字典推导式从现有的字典创建一个新字典。还可以从列表创建字典。

假设有一个整数列表，需要创建一个字典，其中键是列表中的每个元素，值是列表中的每个元素的平方。

lst = [2,4,6,8]
D1 = {item:item**2 for item in lst}
print(D1)
>>> {2: 4, 4: 16, 6: 36, 8: 64}
# 创建一个只包含奇数元素的字典
arr = [1,2,3,4,5,6,7,8]
D2 = {item: item**2 for item in arr if item %2 != 0}
print(D2)
>>> {1: 1, 3: 9, 5: 25, 7: 49}

一个简单应用

如何快速找到多个字典的公共键

方法一

dl = [d1, d2, d3] # d1, d2, d3为字典，目标找到所有字典的公共键
[k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))]

例

dl = [{1:'life', 2: 'is'},
{1:'short', 3: 'i'},
 {1: 'use', 4: 'python'}]
[k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))]
# 1

解析

# 列表表达式遍历dl中第一个字典中的键
[k for k in dl[0]]
# [1, 2]
# lambda 匿名函数判断字典中的键，即k值是否在其余字典中
list(map(lambda d: 1 in d, dl[1:]))
# [True, True]
list(map(lambda d: 2 in d, dl[1:]))
#[False, False]
# 列表表达式条件为上述结果([True, True])全为True,则输出对应的k值
#1

方法二

# 利用集合（set）的交集操作
from functools import reduce
# reduce(lambda a, b: a*b, range(1,11)) # 10!
reduce(lambda a, b: a & b, map(dict.keys, dl))

写在最后

目前已经学习了Lambda函数是什么，以及Lambda函数的一些使用方法。随后又一起学习了Python中的高阶函数，以及如何在高阶函数中使用lambda函数。

除此之外，还学习了高阶函数的替代方法：在列表推导式和字典推导式中执行之前操作。虽然这些方法看似简单，或者说你之前已经见到过这类方法，但你很可能很少使用它们。你可以尝试在其他更加复杂的函数中使用它们，以便使代码更加简洁。

以上是Python 中的萬能之王 Lambda 函數的詳細內容。更多資訊請關注PHP中文網其他相關文章！