Perbincangan ringkas tentang penggunaan fungsi Lambda dalam Python

WBOY
Lepaskan: 2023-04-12 12:55:02
ke hadapan
1412 orang telah melayarinya

Perbincangan ringkas tentang penggunaan fungsi Lambda dalam Python

Hari ini saya ingin mengesyorkan fungsi terbina dalam yang sangat berguna dalam Python, iaitu kaedah lambda secara kasarnya akan dikongsikan dengan anda:

  • Apakah fungsi lambda?
  • Bilakah tidak sesuai untuk menggunakan kaedah lambda
  • Apakah fungsi Lambda
  • Dalam Python, kami sering menggunakan kata kunci lambda untuk mengisytiharkan fungsi tanpa nama, yang dipanggil fungsi tanpa nama Dalam istilah awam, ia adalah fungsi tanpa nama Format sintaks khusus adalah seperti berikut:
  • di mana ia boleh menerima sebarang bilangan parameter. , tetapi hanya dibenarkan untuk mengandungi satu ungkapan, dan operasi ungkapan ini Hasilnya ialah nilai pulangan fungsi Kita boleh menulis contoh:

output:

lambda arguments : expression
Salin selepas log masuk
Tapis elemen dalam senarai

Jadi bagaimana kita Bagaimana untuk menapis elemen dalam senarai? Di sini anda perlu menggabungkan fungsi lambda dan kaedah penapis() dan format sintaks kaedah penapis():
(lambda x:x**2)(5)
Salin selepas log masuk

25
Salin selepas log masuk
Salin selepas log masuk
fungsi -- fungsi penghakiman

boleh diulang - - Objek boleh lelar, senarai atau kamus

filter(function, iterable)
Salin selepas log masuk
Antaranya kami mempunyai senarai sedemikian:
  • Antaranya kami ingin menapis elemen yang kurang daripada 100 selepas kuasa 2, kita Untuk mentakrifkan fungsi tanpa nama, seperti berikut:
Keputusan akhir adalah seperti berikut:

import numpy as np
yourlist = list(np.arange(2,50,3))
Salin selepas log masuk
output:

lambda x:x**2<100
Salin selepas log masuk
Jika anda menghadapi kompleks Untuk proses pengiraan, editor masih mengesyorkan anda menyesuaikan fungsi sendiri, tetapi jika ia adalah proses pengiraan yang mudah, fungsi tanpa nama lambda pastinya merupakan pilihan terbaik. Gabungan fungsi

dan map()
list(filter(lambda x:x**2<100, yourlist))
Salin selepas log masuk

Sintaks fungsi map() adalah serupa dengan fungsi penapis() di atas, contohnya, fungsi tanpa nama berikut:

[2, 5, 8]
Salin selepas log masuk

Kami menggunakannya dengan kaedah map():

output:

lambda x: x**2+x**3
Salin selepas log masuk
Sudah tentu, seperti yang kami nyatakan sebelum ini, fungsi tanpa nama lambda boleh menerima berbilang nombor parameter, Kita boleh mencubanya di sini Sebagai contoh, terdapat dua set senarai,

list(map(lambda x: x**2+x**3, yourlist))
Salin selepas log masuk
Kami juga menggunakan kaedah map() untuk beroperasi seperti berikut:

[12,
 150,
 576,
 1452,
 2940,
 5202,
 ......]
Salin selepas log masuk
output:

mylist = list(np.arange(4,52,3))
yourlist = list(np.arange(2,50,3))
Salin selepas log masuk
Penggunaan gabungan dengan kaedah apply()

Kaedah apply() sering digunakan dalam jadual data Pandas dan fungsi tanpa nama lambda digunakan dalam kaedah apply() Kami mencipta jadual data baharu seperti berikut:
list(map(lambda x,y: x**2+y**2, yourlist,mylist))
Salin selepas log masuk

output:
[20,
 74,
 164,
 290,
 452,
 650,
 884,
 1154,
......]
Salin selepas log masuk

Penggunaan kaedah apply() sedikit berbeza daripada dua sebelumnya , kaedah map() dan kaedah penapis () kita semua perlu meletakkan objek boleh lelar ke dalamnya, tetapi apply() di sini tidak memerlukan:

myseries = pd.Series(mylist)
myseries
Salin selepas log masuk
output:

04
17
2 10
3 13
4 16
5 19
6 22
7 25
8 28
......
dtype: int32
Salin selepas log masuk
Dan jika anda menemui jadual DataFarme Semasa memproses data, operasi yang sama dilakukan pada

myseries.apply(lambda x: (x+5)/x**2)
Salin selepas log masuk
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
Salin selepas log masuk
dan pemprosesan melalui kaedah apply() adalah lebih pantas daripada terus menggunakan kaedah str.upper() Ia lebih pantas! !

Senario yang tidak sesuai digunakan
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()
Salin selepas log masuk

Jadi apakah senario yang tidak sesuai digunakan? Jadi pertama sekali, fungsi lambda, sebagai fungsi tanpa nama, tidak sesuai untuk menetapkannya kepada pembolehubah, seperti kes berikut:

0PABLO
1PABLO
2KRISTEN
3ABDUL
4 STELLA
Name: Sales_Manager, dtype: object
Salin selepas log masuk

Sebagai perbandingan, adalah lebih baik untuk menyesuaikan fungsi untuk pemprosesan:

output:

squared_sum = lambda x,y: x**2 + y**2
squared_sum(3,4)
Salin selepas log masuk
Apabila kita menghadapi situasi berikut, kita boleh memudahkan kod sedikit:

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

squared_sum(3,4)
Salin selepas log masuk
output:

25
Salin selepas log masuk
Salin selepas log masuk
Kita boleh memudahkannya kepada:

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

[3.16227766, 5.0, 6.324555320, 7.0, 8.062257748, 9.0]
Salin selepas log masuk
Jika ia adalah fungsi terbina dalam Python, terutamanya untuk aritmetik seperti matematik The modul tidak perlu diletakkan dalam fungsi lambda, ia boleh diekstrak terus dan digunakan

Atas ialah kandungan terperinci Perbincangan ringkas tentang penggunaan fungsi Lambda dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:51cto.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan