python中lambda以及与filter／map／reduce结合的用法

一、lambda函数即匿名函数，和普通的函数相比，就是省去了函数名称而已；

lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边是函数体的返回值

g = lambda x,y : x+y
print g(1,2) 

与函数等同：

def f(x,y):
　　return x+y
print f(1,2)

二、lambda函数作用：

1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。

2. 对于一些抽象的，无需复用的函数，使用lambda不需要考虑命名的问题。

3. 使用lambda在某些时候让代码更容易理解。

三、应用

A、与filter结合

　　filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。

　　语法

　　以下是 filter() 方法的语法:

　　filter(function, iterable)

　　参数

• function -- 判断函数。
• iterable -- 可迭代对象，每个元素作为参数传递给函数进行判

　　返回值

　　最后将判断函数返回 True 的元素放到新列表中。

　　python2中返回的是过滤后的列表, 而python3中返回到是一个filter类

　　filter类实现了__iter__和__next__方法, 可以看成是一个迭代器, 有惰性运算的特性, 相对python2提升了性能, 可以节约内存.

　　举例：过滤出列表中的所有奇数：

　　#!/usr/bin/python

　　# -*- coding: UTF-8 -*-

　　def is_odd(n):

　　　　return n % 2 == 1

　　newlist = filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

　　print(newlist)

 

　　结果：[1, 3, 5, 7, 9]

　　<filter object at 0x0000022EC66BB128>（python3）

　　使用lambda

　　a = filter(lambda x: x % 2 == 1, range(10))

　　print(a)

B、与reduce结合

　　reduce() 函数会对参数序列中元素进行累积。

　　reduce() 函数语法：

　　reduce(function, iterable[, initializer])
　　函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：。

　　参数

• function -- 函数，有两个参数
• iterable -- 可迭代对象
• initializer -- 可选，初始参数

　　返回值

　　用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，返回最后得到一个结果

 举例：列表数据相加

　　>>>def add(x, y) : # 两数相加

　　　　　　return x + y ...

　　>>> reduce(add, [1,2,3,4,5]) # 计算列表和：1+2+3+4+5 15

 

      使用lambda

     >>> reduce(lambda x, y: x+y, [1,2,3,4,5]) # 使用 lambda 匿名函数 15

C、与map结合

　　map() 会根据提供的函数对指定序列做映射。

　　语法

　　map() 函数语法：

　　map(function, iterable, ...)

　　参数

• function -- 函数，有两个参数
• iterable -- 一个或多个序列

　　返回值

　　第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表

　　Python 2.x 返回列表。

　　Python 3.x 返回迭代器。

　　实例

　　以下实例展示了 map() 的使用方法：

　　>>>def square(x) : # 计算平方数

　　　　　　return x ** 2

　　 >>> map(square, [1,2,3,4,5]) # 计算列表各个元素的平方

　　　　 [1, 4, 9, 16, 25]

 

　　使用lambda

      >>> map(lambda x: x ** 2, [1, 2, 3, 4, 5]) # 使用 lambda 匿名函数 [1, 4, 9, 16, 25]

　　# 提供了两个列表，对相同位置的列表数据进行相加

　　>>> map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])

　　[3, 7, 11, 15, 19]

 

在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。