Python에서 Lambda 함수 사용에 대한 간략한 설명

오늘 저는 매우 사용하기 쉬운 Python 내장 함수인 람다 방식을 추천하고 싶습니다. 이 튜토리얼에서는 대략적으로 다음과 같은 내용을 공유하겠습니다.

• 람다 함수란 무엇입니까
• lambda 함수? 필터 목록 요소
• lambda 함수와 map() 메서드의 조합
• 람다 함수와 apply() 메서드의 조합
• 람다 메서드를 사용하기에 적합하지 않은 경우

Lambda 함수란 무엇입니까

파이썬에서 우리는 익명 함수를 선언하기 위해 종종 람다 키워드를 사용합니다. 소위 익명 함수는 일반인의 관점에서 이름이 없는 함수입니다. 구체적인 구문 형식은 다음과 같습니다.

lambda arguments : expression

매개변수 수에는 제한이 없습니다. 하나의 표현식을 허용하며, 표현식의 결과는 함수의 반환 값입니다. 간단히 예를 작성하면 됩니다.

(lambda x:x**2)(5)

output:

25

Filter the elements in the list

그러면 어떻게 목록의 요소를 필터링합니까? 목록? 여기서는 람다 함수와 filter() 메서드, 그리고 filter() 메서드의 구문 형식을 결합해야 합니다.

filter(function, iterable)

• function -- 판단 함수
• iterable -- 반복 가능한 개체, 목록 또는 사전

중에서

import numpy as np
yourlist = list(np.arange(2,50,3))

그 중에서 2의 거듭제곱보다 100보다 작은 요소를 필터링하려고 합니다. 다음과 같이 익명 함수를 정의해 보겠습니다.

lambda x:x**2<100

최종 결과는 다음과 같습니다. :

list(filter(lambda x:x**2<100, yourlist))

output:

[2, 5, 8]

복잡한 계산 과정을 접한다면 여기 편집자는 함수를 직접 맞춤 설정하는 것을 권장하지만, 단순한 계산 과정이라면 람다 익명 함수가 확실히 최선의 선택입니다.

map() 함수와 함께 사용

map() 함수의 구문은 다음 익명 함수와 같이 위의 filter() 함수와 유사합니다.

lambda x: x**2+x**3

map() 메서드와 함께 사용합니다.

list(map(lambda x: x**2+x**3, yourlist))

출력:

[12,
 150,
 576,
 1452,
 2940,
 5202,
 ......]

물론 앞서 언급했듯이 람다 익명 함수는 여러 개의 매개변수를 허용할 수 있습니다. 예를 들어 두 개의 목록 세트가 있습니다.

mylist = list(np.arange(4,52,3))
yourlist = list(np.arange(2,50,3))

map() 메소드 작업, 코드는 다음과 같습니다:

list(map(lambda x,y: x**2+y**2, yourlist,mylist))

출력:

[20,
 74,
 164,
 290,
 452,
 650,
 884,
 1154,
......]

및 apply() 메소드의 조합

apply() 메소드는 Pandas 데이터 테이블에서 더 많이 사용되며 적용 시 람다 익명성이 적용됩니다. () 메소드 함수를 사용하여 아래와 같이 새 데이터 테이블을 생성합니다.

myseries = pd.Series(mylist)
myseries

output:

04
17
2 10
3 13
4 16
5 19
6 22
7 25
8 28
......
dtype: int32

apply() 메소드의 사용은 map() 메소드와 필터 모두에서 약간 다릅니다. () 메서드를 사용하려면 반복 가능한 개체를 변환해야 하며 여기에서는 Apply()가 필요하지 않습니다.

myseries.apply(lambda x: (x+5)/x**2)

output:

0 0.562500
1 0.244898
2 0.150000
3 0.106509
4 0.082031
5 0.066482
6 0.055785
7 0.048000
......
dtype: float64

그리고 DataFarme 테이블 데이터를 만나면 동일한 작업이 수행됩니다

df = pd.read_csv(r'Dummy_Sales_Data_v1.csv')
df["Sales_Manager"] = df["Sales_Manager"].apply(lambda x: x.upper())
df["Sales_Manager"].head()

output:

0PABLO
1PABLO
2KRISTEN
3ABDUL
4 STELLA
Name: Sales_Manager, dtype: object

그리고 apply() 메소드를 통해 str.upper() 메소드를 직접 사용하는 것보다 처리가 더 빠릅니다! !

사용하기에 적합하지 않은 시나리오

그럼 사용하기에 적합하지 않은 시나리오는 무엇일까요? 따라서 우선 람다 함수는 익명 함수이므로 변수에 할당하는 데 적합하지 않습니다. 예를 들어 다음과 같은 경우에는

squared_sum = lambda x,y: x**2 + y**2
squared_sum(3,4)

비교하면 처리를 위해 함수를 사용자 정의하는 것이 좋습니다.

def squared_sum(x,y):
return x**2 + y**2

squared_sum(3,4)

출력:

25

다음 상황에 직면하면 코드를 약간 단순화할 수 있습니다:

import math
mylist = [10, 25, 40, 49, 65, 81]
sqrt_list = list(map(lambda x: math.sqrt(x), mylist))
sqrt_list

output:

[3.16227766, 5.0, 6.324555320, 7.0, 8.062257748, 9.0]

다음과 같이 단순화할 수 있습니다:

import math
mylist = [10, 25, 40, 49, 65, 81]
sqrt_list = list(map(math.sqrt, mylist))
sqrt_list

output:

[3.162277, 5.0, 6.324555, 7.0, 8.062257, 9.0]

에 내장 함수인 경우 Python은 특히 수학 등 산술에 사용되는 모듈입니다. 람다 함수에 넣을 필요 없이 직접 추출하여 사용할 수 있습니다

위 내용은 Python에서 Lambda 함수 사용에 대한 간략한 설명의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!