python数据操作之lambda表达式详情

1 前言

在 Java 和 js 中，lambda箭头函数是十分常见的操作，这种表达方式在使用时非常的简便。在python的语法中也有应用场景，lambda是python预留的关键字，带有该关键字的都视为lambda,

其表现形式如下：

# lambda 是表达式， arg 是用户输入参数 expression 是函数表达式
lambda [arg1 [,arg2,.....argn]]:expression

2 lambda 的特性

python 中 lambda 表达式的特性如下所示：

• 表达式是匿名的，lambda 只是一个一个表达式，类似于但是没有名字。

• 表达式有输入和输出，输入是 arg 的参数，输出是表达式计算的结果。

• 具有命名空间，只能在命名空间之内获取和操作参数变量。

常见的表达式如下所示：

lambda x, y: x + y# 函数输入是x和y，输出是 x + y
lambda *args: sum(args)# 输入是任意个数参数，输出是多个参数的和，输入参数必须是数字
lambda **kwargs: 2# 输入是任意键值对参数，输出结果为固定值

3 lambda 的一些用法

3.1 map 函数

map 函数会根据提供的函数对可迭代参数进行逐个调用，并返回一个可迭代对象结果，其语法和使用方式如下所示：

# function 代表为函数，iterable 代表一个可迭代对象,也可以传入多个对象
map(function, iterable, ...)
# 只有一个可迭代参数情况
def cal_num(x):
   return x ** 2 + 2 * x - 3
# 准备的数据
read_list = [2, 3, 4]
# 因为map 的结果是一个可迭代对象，所以转换为 list 对象打印结果
re_list = list(map(cal_num, read_list))
#计算的结果 [5, 12, 21]
print(re_list)

# 多个可迭代参数情况，逐个计算和
def cal_add_num(x, y):
   return x  + y
# 准备的数据
read_list = [2, 3, 4]
re_list = list(map(cal_add_num, read_list, read_list))
# 计算结果 [4, 6, 8]
print(re_list)

# 关于多个迭代的操作，也可以采用 zip 将多个可迭代对象进行处理，组成元组对象，进行循环计算处理。
result_list = []
for k1, k2 in zip(read_list,read_list):
   result_list.append(k1 + k2)

3.2 reduce 函数

reduce 函数会对参数列表中的元素进行累积计算，通常的做法就是对一列数组求和，前篇讲述的 java Stream 关于 reduce 的操作和本例是一样的，其中的 lambda 可以看成是数列的推导式：

# function 代表为函数，iterable 代表一个可迭代对象,initializer 指定起始值
reduce(function, iterable[, initializer])
# 计算数组之和，lambda 写法,起始值为 10, 计算结果为 25
res = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 10)

这里需要说明的是，在 python3 中 reduce 已经从全局命名空间中移除，被放在了 functools 模块中，如果需要使用，则需要进行引入from functools import reduce。

3.3 sorted 函数

sorted 函数，顾名思义就是对可迭代对象进行排序操作，其语法格式和用法如下所示：

# iterable 为可迭代对象 cmp 为比较函数 排序字段和排序顺序
sorted(iterable[, cmp[, key[, reverse]]])
# 1、简单排序
a = [5,7,6,3,4,1,2]
# 使用sorted，保留原列表，不改变列表a的值
# 排序结果为 [1, 2, 3, 4, 5, 6, 7]
b = sorted(a)
# 2、使用 lambda 指定排序函数方式排序
# 待排序对象
x_list = [('b',2),('a',1),('c',3),('d',4)]
# 排序结果：[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
y_list = sorted(x_list, cmp=lambda x,y:cmp(x[1],y[1]))
# 3、利用参数 key 排序,依然使用 lambda 指定元祖的第一个数据
# 计算结果：[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
z_list = sorted(x_list, key=lambda x:x[1])
# 4、指定排序顺序
user_list = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
# 排序结果 [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
re_list = sorted(user_list, key=lambda s: s[2], reverse=True)

3.4 filter 函数

filter 函数相对来说就比较简单了，主要就是过滤操作，过滤掉不符合表达式的数据，得到最终的结果。

# function 为过滤函数，返回结果为 true 或者 false, iterable 为可迭代对象
filter(function, iterable)
# 判断是否为奇数
def is_odd(n):
return n ％ 2 == 1
newlist = filter(is_odd, [1, 2, 3, 4])
print(list(newlist))

4 总结

文章主要讲述了 python 的 lambda 的相关操作，主要就是 lambda 表达式与 map、filter、 sorted、 reduce 函数的配合使用。

来源：https://juejin.cn/post/7084432746960912392