lambda lambda 这个关键词在很多语言中都存在。简单地说,它可以实现函数创建的功能。 如下便是 lambda 的两种使用方式。 func1 = lambda : func2 = lambda x : func3 = lambda x,y : 在第一条语句中,采用 lambda 创建了一个无参的函数 func1。这和下面采用 def 创建函数的效果是相同的。 def func1(): 在第二条和第三条语句中,分别采用 lambda 创建了需要传入 1 个参数的函数 func2,以及传入 2 个参数的函数 func3。这和下面采用def创建函数的效果是相同的。 def func2(x): def func3(x,y): 需要注意的是,调用 func1 的时候,虽然不需要传入参数,但是必须要带有括号(),否则返回的只是函数的定义,而非函数执行的结果。 >>> func = lambda : 123>>> func at 0x100f4e1b8>>>> func()123 另外,虽然在上面例子中都将 lambda 创建的函数赋值给了一个函数名,但这并不是必须的。从下面的例子中大家可以看到,很多时候我们都是直接调用 lambda 创建的函数,而并没有命名一个函数,这也是我们常听说的匿名函数的由来。 map() map()函数的常见调用形式如下所示: map(func, iterable) map()需要两个必填参数,第一个参数是一个函数名,第二个参数是一个可迭代的对象,如列表、元组等。 map()实现的功能很简单,就是将第二个参数(iterable)中的每一个元素分别传给第一个参数(func),依次执行函数得到结果,并将结果组成一个新的list对象后进行返回。返回结果永远都是一个list。 简单示例如下: >>> double_func = lambda s : s * 2>>> map(double_func, [1,2,3,4,5])[2, 4, 6, 8, 10] 除了传入一个可迭代对象这种常见的模式外,map()还支持传入多个可迭代对象。 map(func, iterable1, iterable2) 在传入多个可迭代对象的情况下,map()会依次从所有可迭代对象中依次取一个元素,组成一个元组列表,然后将元组依次传给 func;若可迭代对象的长度不一致,则会以 None 进行补上。 通过以下示例应该就比较容易理解。 >>> plus = lambda x,y : (x or 0) + (y or 0)>>> map(plus, [1,2,3], [4,5,6])[5, 7, 9]>>> map(plus, [1,2,3,4], [4,5,6])[5, 7, 9, 4]>>> map(plus, [1,2,3], [4,5,6,7])[5, 7, 9, 7] 在上面的例子中,之所以采用x or 0的形式,是为了防止None + int出现异常。 需要注意的是,可迭代对象的个数应该与 func 的参数个数一致,否则就会出现异常,因为传参个数与函数参数个数不一致了,这个应该比较好理解。 >>> plus = lambda x,y : x + y>>> map(plus, [1,2,3])Traceback (most recent call last): File ' ', line 1, in TypeError: () takes exactly 2 arguments (1 given) 另外,map()还存在一种特殊情况,就是 func 为 None。这个时候,map()仍然是从所有可迭代对象中依次取一个元素,组成一个元组列表,然后将这个元组列表作为结果进行返回。 >>> map(None, [1,2,3,4])[1, 2, 3, 4]>>> map(None, [1,2,3,4], [5,6,7,8])[(1, 5), (2, 6), (3, 7), (4, 8)]>>> map(None, [1,2,3,4], [5,6,7])[(1, 5), (2, 6), (3, 7), (4, None)]>>> map(None, [1,2,3,4], [6,7,8,9], [11,12])[(1, 6, 11), (2, 7, 12), (3, 8, None), (4, 9, None)] reduce() reduce()函数的调用形式如下所示: reduce(func, iterable[, initializer]) reduce()函数的功能是对可迭代对象(iterable)中的元素从左到右进行累计运算,最终得到一个数值。第三个参数 initializer 是初始数值,可以空置,空置为 None 时就从可迭代对象(iterable)的第二个元素开始,并将第一个元素作为之前的结果。 文字描述可能不大清楚,看下reduce()的源码应该就比较清晰了。 def reduce(function, iterable, initializer=None): it = iter(iterable) if initializer is None: try: initializer = next(it) except StopIteration: raise TypeError('reduce() of empty sequence with no initial value') accum_value = initializer for x in it: accum_value = function(accum_value, x) return accum_value 再加上如下示例,对reduce()的功能应该就能掌握了。 >>> plus = lambda x, y : x + y>>> reduce(plus, [1,2,3,4,5])15>>> reduce(plus, [1,2,3,4,5], 10)25 filter() filter()函数的调用形式如下: filter(func, iterable) filter()有且仅有两个参数,第一个参数是一个函数名,第二个参数是一个可迭代的对象,如列表、元组等。 filter()函数的调用形式与map()比较相近,都是将第二个参数(iterable)中的每一个元素分别传给第一个参数(func),依次执行函数得到结果;差异在于,filter()会判断每次执行结果的bool值,并只将bool值为true的筛选出来,组成一个新的列表并进行返回。 >>> mode2 = lambda x : x % 2>>> filter(mode2, [1,2,3,4,5,6,7,8,9,10])[1, 3, 5, 7, 9] zip() zip()函数的调用形式如下: zip([iterable, ...]) zip()函数接收一个或多个可迭代对象,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。 >>> zip([1, 2, 3], ['a', 'b', 'c'])[(1, 'a'), (2, 'b'), (3, 'c')]>>> dict(zip([1, 2, 3], ['a', 'b', 'c'])){1: 'a', 2: 'b', 3: 'c'}>>> dict(zip([1, 2, 3], ['a', 'b'])){1: 'a', 2: 'b'} 打包元组个数与最短列表个数一致。 enumerate() enumerate()函数的调用形式如下: enumerate(iterable, [start=0]) enumerate()函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据和数据下标,一般用在 for 循环当中。 >>> enumerate(['Spring', 'Summer', 'Fall', 'Winter']) >>> list(enumerate(['Spring', 'Summer', 'Fall', 'Winter']))[(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')] all()、any() all()、any()函数的调用形式如下: all(iterable)any(iterable) 这两个函数比较简单,即判定一个可迭代对象是否全为 True 或者有为 True 的。 >>> all([0, 1, 2])False>>> any([0, 1, 2])True 相关文档: https://zhuanlan.zhihu.com/p/23384430 https:///articles/10822.html https:///post/python-functional-programming-getting-started/ |
|