Python 進階之路 (六) 九淺一深 lambda,陳獨秀你給我坐下!
lambda是什麼
大家好,今天給大家帶來的是有關於Python裡面的lambda表示式詳細解析。lambda在Python裡面的用處很廣,但說實話,我個人認為有關於lambda的討論不是如何使用的問題,而是該不該用的問題。接下來還是通過大量例項和大家分享我的學習體驗,可能最後你也會得出和我一樣的結論。
好啦,首先讓我們先搞明白基礎定義,lambda到底是什麼?
Lambda表達了Python中用於建立匿名函式的特殊語法。我們將lambda語法本身稱為lambda表示式,從這裡得到的函式稱之為lambda函式。
其實總結起來,lambda可以理解為一個小的匿名函式, lambda函式可以使用任意數量的引數,但只能有一個表示式。 估計有JavaScript ES6經驗的朋友們聽上去會很親切,具體函式表示式如下:
- 模板: lambda argument: manipulate(argument)
- 引數:argument就是這個匿名函式傳入的引數,冒號後面是我們對這個引數的操作方法
讓我們參考上面的定義模板和引數, 直接看一個最簡單的例子:
add_one = lambda x:x+1# 1個引數,執行操作為+1 add_nums = lambda x,y:x+y# 2個引數,執行操作為相加 print(add_one(2))# 呼叫add_one print(add_nums(3,7))# 呼叫add_nums >>>3 10
相比大家已經發現lambda匿名函式的特點了,就是對於較為簡單的功能,無需自己def一個了,單行就可以寫下,傳參和執行方法一氣呵成
lambda用法詳解
接下來讓我們看看lambda的實際應用,就我自己使用lambda的體驗來說,從來沒有單獨用過,lambda一般情況下是和map,filter,reduce這些超棒的內建函式以及dict,list,tuple,set 等資料結構混用,這樣才能發揮它的最大效果,如果有朋友還不太熟悉這些內建函式,可以看一下我上一篇文章Python 進階之路 (五) map, filter, reduce, zip 一網打盡
好了,閒話少說,下面讓我們一個個來看
lambda + map
首先出場的是lambda+map的組合,先看下面這個例子:
numbers = [1,2,3,4,5] add_one = list(map(lambda n:n+1,numbers))#map(fun,sequence) print(list(add_one)) print(tuple(add_one)) Out: [2, 3, 4, 5, 6] (2, 3, 4, 5, 6)
這個是我們上一期的例子,實現一個數組(元組)每個元素+1,讓我們回憶一下map的用法
map(fun,sequence),fun是傳遞的方法,sequence是一個可迭代的序列,這裡我們的fun就是匿名函式
lambda n:n+1,這裡非常完美的解釋了lambda的設計初衷,因為如果沒有lambda,我們的解決方案是這樣:
def add(num): return num+1 numbers = [1,2,3,4,5] add_one = list(map(add,numbers)) print(add_one) print(tuple(add_one))
顯然易見,這裡的add方法有點多餘,所以用lambda代替是個好的選擇。讓我們再看下一個例子,這是我自己備份日誌時寫的一小段程式碼,命名不是很規範:
from datetime import datetime as dt logs = ['serverLog','appLog','paymentLog'] format ='_{}.py'.format(dt.now().strftime('%d-%m-%y')) result =list(map(lambda x:x+format,logs))# 利用map+lambda 實現字串拼接 print(result) Out:['serverLog_11-02-19.py', 'appLog_11-02-19.py', 'paymentLog_11-02-19.py']
這裡和剛才的加1例子差不多,但是換成了字串的拼接,然而我這裡用lambda並不是很好的解決方案,最後我們會說,現在大家應該對map + lambda 有一些感覺了,讓我們再來個和dict字典互動的例子:
person =[{'name':'Lilei', 'city':'beijing'}, {'name':'HanMeiMei', 'city':'shanghai'}] names=list(map(lambda x:x['name'],person)) print(names) Out:['Lilei', 'HanMeiMei']
好了,看到這裡對於map+lambda的用法大家已經很清楚了應該~
lambda + filter
lambda和filter的組合也很常見,用於特定篩選條件下,現在讓我們來看上篇文章filter的例子,就應該很好理解了:
numbers = [0, 1, 2, -3, 5, -8, 13] # 提取奇數 result = filter(lambda x: x % 2, numbers) print("Odd Numbers are :",list(result)) # 提取偶數 result = filter(lambda x: x % 2 == 0, numbers) print("Even Numbers are :",list(result)) #提取正數 result = filter(lambda x: x>0, numbers) print("Positive Numbers are :",list(result)) Out:Odd Numbers are : [1, -3, 5, 13] Even Numbers are : [0, 2, -8] Positive Numbers are : [1, 2, 5, 13]
這裡無非就是我們把filter(fun,sequence)裡面的fun換成了我們的lambda,只是lambda的函式部分(x%2,x%2==0,x>0)都是可以返回True或者False來判斷的,符合fiter的要求,用剛才李雷和韓梅梅的例子也是一個道理:
person =[{'name':'Lilei', 'city':'beijing'}, {'name':'HanMeiMei', 'city':'shanghai'}] names=list(filter(lambda x:x['name']=='Lilei',person)) # 提取李雷的資訊 print(names) Out:[{'name': 'Lilei', 'city': 'beijing'}]
lambda + reduce
還是讓我們看一下上篇文章的例子:
from functools import reduce# Only Python 3 numbers = [1,2,3,4] result_multiply = reduce((lambda x, y: x * y), numbers) result_add = reduce((lambda x,y: x+y), numbers) print(result_multiply) print(result_add) Out:24 10
這個例子用lambda和reduce的配合實現了list求累積和和累積乘法。
有意思的是這個例子具有兩面性,一方面展示了lambda和reduce如何一起使用,另一方面也引出了接下來我想說的重點:lambda真的值得用嗎?到底應該怎麼用?
避免過度使用lambda
通過上面的例子大家已經看到了lambda的實際應用場景,但是這裡我想和大家分享一下我的看法:我認為lambda的缺點略多於優點,應該避免過度使用lambda
首先,這僅僅是我的個人看法哈,希望大家理解,我的理由如下:首先讓我們拿lambda方法和常規def做個對比,我發現lambda和def的主要不同點如下:
- 可以立即傳遞(無需變數)
- 只需一行程式碼,簡潔(未必高效)
- 可以會自動返回,無需return
- lambda函式沒有函式名稱
有關優點大家都可以看到,我主要想說一下它的缺點,首先,從真正需求出發,我們在大多數時候是不需要lambda的,因為總可以找到更好的替代方法 ,現在我們一起看一下剛才lambda+reduce 的例子,我們用lambada實現的結果如下:
from functools import reduce# Only Python 3 numbers = [1,2,3,4] result_multiply = reduce((lambda x, y: x * y), numbers) result_add = reduce((lambda x,y: x+y), numbers)
這裡用lambda並沒有實現簡單高效的目的,因為我們有現成的sum和mul方法可以用:
from functools import reduce from operator import mul numbers = [1,2,3,4] result_add = sum(numbers) result_multiply =reduce(mul,numbers) print(result_add) print(result_multiply) Out: 10 24
結果是一樣的,但是顯然用sum和mul的方案更加高效。再舉個常見的例子說明,假如我們有一個list儲存了各種顏色,現在要求把每個顏色首字母大寫,如果用lambda寫出是這樣:
colors = ['red','purple','green','blue'] result = map(lambda c:c.capitalize(),colors) print(list(result)) Out:['Red', 'Purple', 'Green', 'Blue']
看著似乎不錯,挺簡潔的,但是我們有更好的方法:
colors = ['red','purple','green','blue'] result = [c.capitalize() for c in colors] print(result) Out:['Red', 'Purple', 'Green', 'Blue']
用sorted還能處理首字母不規範的情況,連排序都省了:
colors = ['Red','purple','Green','blue'] print(sorted(colors,key=str.capitalize)) Out:['blue', 'Green', 'purple', 'Red']
還有一個主要原因就是:lambda函式沒有函式名稱 。所以在程式碼交接,專案移植的場景中會給團隊帶來很多困難,多寫個函式add_one()沒什麼壞處,因為大家都很容易理解,知道它是執行+1的功能
適合lambda的場景
話又說回來,存在即合理,那麼真正需要我們使用lambda的是哪些場景呢:
- 你需要的方法是很簡單的(+1,字串拼接等),該函式不值得一個名字
- 使用lambda表示式,會比我們能想到的函式名稱更容易理解
- 除了lambda,沒有任何python提供的函式可以實現目的
- 團隊中所有成員都掌握lambda,這樣不會造成歧義或浪費時間
還有一種場景非常適用,就是在給其他人制造自己很專業的錯覺時,比如:
哎呀,小老弟,聽說你學了Python,知道lambda不? 沒聽過?不行啊,白學了!來來來,讓我給你講講。。。此處省略1萬字
總結
今天為大家九淺一深地講解了lambda的用法和使用場景,所謂九淺一深,就是90%情況下用於建立簡單的匿名函式,10%的情況稍微複雜(我這個藉口找的太好了)
總而言之就是,任何事情都具有兩面性,我們在使用lambda之前應該先停下來,問問自己是不是真的需要它。
當然,如果需要和別人忽悠的時候都是正反一張嘴,lambda是好是壞全憑一張嘴了,吹牛時請遵守如下原則,屢試不爽:
如果你說一個女大學生晚上賣淫就是可恥,但如果改成一個妓女利用業餘時間努力學習就勵志多了 !
lambda也是如此