Python Lambda函数使用总结详解
这篇文章主要介绍了Python Lambda函数使用总结详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
lambda表达式是一种匿名函数,对应python中的自定义函数def,是定义某个函数时比较高级的一种写法。作为python初学者,本文整理了lambda的一些基本用法和特点。
lambda和def的对应关系
定义func函数,计算给定数x的平方
def func(x): return x*x
等价于
func = lambda x: x*x
其中func是函数名,x是输入参数,x*x是输出结果
输入参数可以有多个,可以接收不定参数如*args或者**kwargs。
f = lambda x, *args, para, **kwargs : [args, para, kwargs] f(1, 2, 3, para='number', name='Jack', sex='male') # 输出 [(2, 3), 'number', {'name': 'Jack', 'sex': 'male'}]
有时也可以不指定输入参数,如:
lambda: random.randn()
lambda与map(), filter(), reduce()
lambda表达式返回一个函数,这个函数可以作为其他函数的参数。常用的可以与lambda组合的内置函数有map(), filter(), reduce().
在处理一个可迭代对象如列表,字典等时,可以用map(lambda, x) 代替 for...in...循环,如:
lst = [1, 2, 3, 4, 5] res = [] for i in lst: a = i*i res.append(a)
等价于
res = list(map(lambda x:x*x, lst))
可以看到这里的lambda生成的函数直接作为map函数的function参数,对列表的每一个元素进行平方计算
同理可以将lambda用于filter进行筛选,或者reduce累积运算:
from functools import reducelst = [1, 2, 3, 4, 5]f_res = filter(lambda x: x>3, lst) r_res = reduce(lambda x, y: x*y, lst) print('大于3的数字有:', list(f_res)) print('累乘结果为:', r_res)
输出结果:
大于3的数字有: [4, 5]
累乘结果为: 120
lambda与if条件判断
lambda表达式中可以插入if...else进行条件判断,如
f = lambda x: 'even' if x%2==0 else 'odd' # f(3)输出结果 odd
等价于
def f(x):<br data-filtered="filtered"> if x%2==0:<br data-filtered="filtered"> return 'even'<br data-filtered="filtered"> else:<br data-filtered="filtered"> return 'odd'
注意如果在lambda中使用if进行条件判断,则else是必须声明的,否则会引起报错。如果不返回结果可以用 else None 表示。
if...elif...else的多条件判断也可以用于lambda,但会使得代码过于复杂,所以不推荐。
lambda在pandas中的使用
lambda函数常用于DataFrame或者Series对象下的map、apply、transform方法
import pandas as pd df = pd.DataFrame({'Age': [22, 21, 22, 21, 20], 'Score': [87, 66, 79, 54, 59]}) df['Pass'] = df.apply(lambda x: 'pass' if x[1]>=60 else 'Not pass', axis=1)
输出新列 'Pass',根据成绩判断通过与否,输出df后结果为:
Age Score Pass 0 22 87 pass 1 21 66 pass 2 22 79 pass 3 21 54 Not pass 4 20 59 Not pass
x为DataFrame对象,当参数axis=1时,x[1]等于第二列。
当用于Series对象时,以上代码等价于:
df['Pass'] = df['Score'].apply(lambda x: 'pass' if x>60 else 'Not pass')
在pandas中,通过apply,map, transform方法,lambda可以直接应用于Series级别的运算。
当使用applymap方法时,lambda可以应用于DataFrame级别的运算。
lamda的优缺点
lambda的优点:
- 不需要定义函数名(匿名函数)
- 代码简洁美观
- 适用于定义简单的计算
lambda的缺点:
- 只有一个运算式,不适用于复杂的计算
- 不够直观,难于理解,增加了维护成本
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
关于TensorFlow、Keras、Python版本匹配一览表
这篇文章主要介绍了关于TensorFlow、Keras、Python版本匹配一览表,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-03-03利用python计算均值、方差和标准差(Numpy和Pandas)
这篇文章主要给大家介绍了关于利用python计算均值、方差和标准差的相关资料,Numpy在Python中是一个通用的数组处理包,它提供了一个高性能的多维数组对象和用于处理这些数组的工具,它是使用Python进行科学计算的基础包,需要的朋友可以参考下2023-11-11Python读取txt文件数据的方法(用于接口自动化参数化数据)
这篇文章主要介绍了Python读取txt文件数据的方法(用于接口自动化参数化数据),需要的朋友可以参考下2018-06-06
最新评论