今天来给大家推荐一个Python当中超级好用的内置函数,那便是lambda方法,本篇教程大致和大家分享:
- 什么是lambda函数
- lambda函数过滤列表元素
- lambda函数和map()方法的联用
- lambda函数和apply()方法的联用
- 什么时候不适合使用lambda方法
什么是Lambda函数
在Python当中,我们经常使用lambda关键字来声明一个匿名函数,所谓地匿名函数,通俗地来讲就是没有名字的函数,具体的语法格式如下所示:
lambda arguments : expression
其中它可以接受任意数量的参数,但是只允许包含一个表达式,而该表达式的运算结果就是函数的返回值,我们可以简单地来写一个例子:
(lambda x:x**2)(5)
output:
25
过滤列表中的元素
那么我们如何来过滤列表当中的元素呢?这里就需要将lambda函数和filter()方法联合起来使用了,而filter()方法的语法格式:
filter(function, iterable)
- function -- 判断函数
- iterable -- 可迭代对象,列表或者是字典
其中我们有这么一个列表:
import numpy as np
yourlist = list(np.arange(2,50,3))
其中我们想要过滤出2次方之后小于100的元素,我们来定义一个匿名函数,如下:
lambda x:x**2<100
最后出来的结果如下所示:
list(filter(lambda x:x**2<100, yourlist))
output:
[2, 5, 8]
要是遇上复杂的计算过程,小编这里还是推荐大家自己自定义一个函数,但若是简单的计算过程,lambda匿名函数绝对是最佳的选择。
和map()函数的联用
map()函数的语法和上面的filter()函数相近,例如下面这个匿名函数:
lambda x: x**2+x**3
我们将其和map()方法联用起来:
list(map(lambda x: x**2+x**3, yourlist))
output:
[12,
150,
576,
1452,
2940,
5202,
......]
当然正如我们之前提到的lambda匿名函数可以接受多个数量的参数,我们这里就可以来尝试一下了,例如有两组列表,
mylist = list(np.arange(4,52,3))
yourlist = list(np.arange(2,50,3))
我们同样使用map()方法来操作,代码如下:
list(map(lambda x,y: x**2+y**2, yourlist,mylist))
output:
[20,
74,
164,
290,
452,
650,
884,
1154,
......]
和apply()方法的联用
apply()方法在Pandas的数据表格中用的比较多,而在apply()方法当中就带上lambda匿名函数,我们新建一个数据表格,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()方法的使用和前两者稍有不同,map()方法和filter()方法我们都需要将可迭代对象放入其中,而这里的apply()则不需要:
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表格数据的时候,也是同样地操作
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
并且通过apply()方法处理可是比直接用str.upper()方法来处理,速度来的更快哦!!
不太适合使用的场景
那么不适合的场景有哪些呢?那么首先lambda函数作为一个匿名函数,不适合将其赋值给一个变量,例如下面的这个案例:
squared_sum = lambda x,y: x**2 + y**2
squared_sum(3,4)
相比较而言更好的是自定义一个函数来进行处理:
def squared_sum(x,y):
return x**2 + y**2
squared_sum(3,4)
output:
25
而我们遇到如下情景的时候,可以对代码稍作简化处理:
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]
我们可以将其简化成:
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当中的内置函数,尤其是例如math这种用于算数的模块,可以不需要放在lambda函数中,可以直接抽出来用
以上就是浅谈Python当中Lambda函数的用法的详细内容,更多请关注编程网其它相关文章!