lambda(),map(),filter()

Lambda 表达式

匿名函数（英语：anonymous function）是指一类无需定义标识符（函数名）的函数。通俗来说呢，就是它可以让我们的函数，可以不需要函数名。

正常情况下，我们定义一个函数，使用的是 def 关键字，而当你学会使用匿名函数后，替代 def 的是 lambda。

这边使用 def 和 lambda 分别举个例子，你很快就能理解。

>>> def mySum(x,y):
    return x + y

>>> mySum(2,3)
5
>>> (lambda x,y: x+y)(2,3)
5

从上面的示例，我们可以看到匿名函数直接运行，省下了很多行的代码，有没有？

接下来，我们的仔细看一下它的用法

 

带 if/else

>>> (lambda x, y: x if x < y else y )( 1, 2 )
1

 

嵌套函数

>>> ( lambda x: ( lambda y: ( lambda z: x + y + z  )( 1 ) )( 2 ) )( 3 )
6

 

递归函数

>>> func = lambda n:1 if n == 0 else n * func(n-1)
>>> func(5)
120

或者

>>> f = lambda func, n: 1 if n == 0 else n * func( func, n - 1 )
>>> f(f,4)
24

从以上示例来看，lambda 表达式和常规的函数相比，写法比较怪异，可读性相对较差。除了可以直接运行之外，好像并没有其他较为突出的功能，为什么在今天我们要介绍它呢？

首先我们要知道 lambda 是一个表达式，而不是一个语句。正因为这个特点，我们可以在一些特殊的场景中去使用它。具体是什么场景呢？接下来我们会介绍到几个非常好用的内置函数。

 

Map 函数

map 函数，它接收两个参数，第一个参数是一个函数对象（当然也可以是一个lambda表达式），第二个参数是一个序列。

它可以实现怎样的功能呢，我举个例子你就明白了。

>>> list(map(lambda x: x*2, [1,2,3,4,5]))
[2, 4, 6, 8, 10]

可以很清楚地看到，它可以将后面序列中的每一个元素做为参数传入lambda中。

 

当我们不使用 map 函数时，你也许会这样子写。

mylist=[]
for i in [1,2,3,4,5]:
    mylist.append(i*2)

 

关于map函数举个栗子：

# 利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。
# 输入：['adam', 'LISA', 'barT']，输出：['Adam', 'Lisa', 'Bart']：

l = ['adam', 'LISA', 'barT']
def normalize(name):
    return name[0].upper()+name[1:].lower()

def normalizeList(inputlist):
    return list(map(normalize, inputlist))    #list()可以把map object直接转为列表

print(normalizeList(l))

 

Filter 函数

filter 函数，和 map 函数相似。同样也是接收两个参数，一个lambda 表达式，一个序列。它会遍历后面序列中每一个元素，并将其做为参数传入lambda表达式中，当表达式返回 True，则元素会被保留下来，当表达式返回 False ，则元素会被丢弃。

下面这个例子，将过滤出一个列表中小于0的元素。

>>> list(filter(lambda x: x < 0, range(-5, 5)))
[-5, -4, -3, -2, -1]

 

关于lambda表达式、map函数、filter函数举个栗子：

 

Reduce 函数

reduce 函数，也是类似的。它的作用是先对序列中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 lambda 函数运算，将其得到的结果再与第四个元素进行运算，以此类推下去直到后面没有元素了。

>>> from functools import reduce
>>> reduce(lambda x,y: x+y, [1,2,3,4,5])
15

 它的运算过程分解一下是这样的：

1+2=3
3+3=6
6+4=10
10+5=15