lambda 函數是一個匿名函數（即，沒有名稱定義），它可以接受任意數量的參數，但與普通函數不同，它只計算並傳回一個表達式。
Python 中的lambda 函數使用以下語法表達：
lambda 參數：表達式
lambda 函數包括三個元素：
要注意的是，普通函數不同，這裡不需要用括號將lambda 函數的參數括起來，如果lambda 函數有兩個或更多參數，我們用逗號列出它們
我們使用lambda函數只計算一個短表達式（理想情況下，單行）並且只計算一次，這意味著我們以後不會再重複使用這個函數。通常來說我們會將lambda 函數作為參數傳遞給高階函數（接受其他函數作為參數的函數），例如Python 內建函數，如filter()、map() 或reduce()等
讓我們看一個簡單的lambda 函數範例：
lambda x: x + 1
Output:
<function __main__.<lambda>(x)>
上面的lambda 函數接受一個參數，將其遞增1 ，然後返回結果
它是以下帶有def 和return 關鍵字的普通函數的更簡單版本：
def increment_by_one(x): return x + 1
到目前我們的lambda 函數lambda x: x 1 只創建一個函數對象，不返回任何內容，這是因為我們沒有為其參數x 提供任何值（參數）。讓我們先分配一個變量，將它傳遞給lambda 函數，看看這次我們得到了什麼：
a = 2 print(lambda x: a + 1)
Output:
<function <lambda> at 0x00000250CB0A5820>
我們的lambda 函數沒有像我們預期的那樣返回3，而是傳回了函數物件本身及其記憶體位置，可以看出這不是呼叫lambda 函數的正確方法。要將參數傳遞給lambda 函數，執行它並傳回結果，我們應該使用以下語法：
(lambda x: x + 1)(2)
Output:
3
雖然我們的lambda 函數的參數沒有用括號括起來，但當我們呼叫它時，我們會在lambda 函數的整個構造以及我們傳遞給它的參數周圍添加括號
上面程式碼中要注意的另一件事是，使用lambda 函數，我們可以在創建函數後立即執行該函數並接收結果。這就是所謂的立即呼叫函數執行（或 IIFE）
我們可以建立一個帶有多個參數的 lambda 函數，在這種情況下，我們用逗號分隔函數定義中的參數。當我們執行這樣一個lambda 函數時，我們以相同的順序列出對應的參數，並用逗號分隔它們：
(lambda x, y, z: x + y + z)(3, 8, 1)
Output:
12
也可以使用lambda 函數來執行條件運算。下面是一個簡單if-else 函數的lambda 模擬：
print((lambda x: x if(x > 10) else 10)(5)) print((lambda x: x if(x > 10) else 10)(12))
Output:
10 12
如果存在多個條件（if-elif-...-else），我們必須嵌套它們：
(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)
Output:
110
但是上面的寫法，又讓程式碼變得難以閱讀
#在這種情況下，具有if-elif-...- else 條件集的普通函數將是比lambda 函數更好的選擇。實際上，我們可以透過以下方式編寫上面範例中的lambda 函數：
def check_conditions(x): if x > 10: return x * 10 elif x < 5: return x * 5 else: return x check_conditions(11)
Output:
110
儘管上面的函數比對應的lambda 函數增加了更多行，但它更容易閱讀
我們可以將lambda 函數指派給一個變量，然後將該變數作為普通函數呼叫：
increment = lambda x: x + 1 increment(2)
Output:
3
但是根據Python 程式碼的PEP 8樣式規則，這是一種不好的做法
因此如果我們確實需要儲存一個函數以供進一步使用，我們最好定義一個等效的普通函數，而不是將lambda 函數分配給變數
Python 中的filter() 函數需要兩個參數：
運行該函數，我們得到一個過濾器物件：
lst = [33, 3, 22, 2, 11, 1] filter(lambda x: x > 10, lst)
Output:
<filter at 0x250cb090520>
為了從篩選器物件中取得一個新的迭代器，而原始迭代器中的所有項目都滿足預先定義的條件，我們需要將篩選器物件傳遞給Python 標準函式庫的對應函數：list ()、tuple()、set ()、frozenset() 或sorted()（返回排序列表）
讓我們過濾一個數字列表，只選擇大於10 的數字並返回一個按升序排序的列表：
lst = [33, 3, 22, 2, 11, 1] sorted(filter(lambda x: x > 10, lst))
Output:
[11, 22, 33]
我們不必建立與原始物件相同類型的新可迭代對象，此外我們可以將此操作的結果儲存在一個變數中：
lst = [33, 3, 22, 2, 11, 1] tpl = tuple(filter(lambda x: x > 10, lst)) tpl
Output:
(33, 22, 11)
我们使用 Python 中的 map() 函数对可迭代的每个项目执行特定操作。它的语法与 filter() 相同：一个要执行的函数和一个该函数适用的可迭代对象。
map() 函数返回一个 map 对象，我们可以通过将该对象传递给相应的 Python 函数来从中获取一个新的迭代：list()、tuple()、set()、frozenset() 或 sorted()
与 filter() 函数一样，我们可以从 map 对象中提取与原始类型不同类型的可迭代对象，并将其分配给变量。
下面是使用 map() 函数将列表中的每个项目乘以 10 并将映射值作为分配给变量 tpl 的元组输出的示例：
lst = [1, 2, 3, 4, 5] print(map(lambda x: x * 10, lst)) tpl = tuple(map(lambda x: x * 10, lst)) tpl
Output:
<map object at 0x00000250CB0D5F40> (10, 20, 30, 40, 50)
map() 和 filter() 函数之间的一个重要区别是第一个函数总是返回与原始函数相同长度的迭代。因此由于 pandas Series 对象也是可迭代的，我们可以在 DataFrame 列上应用 map() 函数来创建一个新列：
import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [0, 0, 0, 0, 0]})
print(df)
df['col3'] = df['col1'].map(lambda x: x * 10)
dfOutput:
col1col2 0 1 0 1 2 0 2 3 0 3 4 0 4 5 0 col1col2col3 0 1 010 1 2 020 2 3 030 3 4 040 4 5 050
当然要在上述情况下获得相同的结果，也可以使用 apply() 函数：
df['col3'] = df['col1'].apply(lambda x: x * 10) df
Output:
col1col2col3 0 1 010 1 2 020 2 3 030 3 4 040 4 5 050
我们还可以根据某些条件为另一列创建一个新的 DataFrame 列，对于下面的代码，我们可以互换使用 map() 或 apply() 函数：
df['col4'] = df['col3'].map(lambda x: 30 if x < 30 else x) df
Output:
col1col2col3col4 0 1 01030 1 2 02030 2 3 03030 3 4 04040 4 5 05050
reduce() 函数与 functools Python 模块相关，它的工作方式如下：
该函数与前两个函数具有相同的两个参数：一个函数和一个可迭代对象。但是与前面的函数不同的是，这个函数不需要传递给任何其他函数，直接返回结果标量值：
from functools import reduce lst = [1, 2, 3, 4, 5] reduce(lambda x, y: x + y, lst)
Output:
15
上面的代码展示了我们使用 reduce() 函数计算列表总和时的作用
需要注意的是，reduce() 函数总是需要一个带有两个参数的 lambda 函数，而且我们必须首先从 functools Python 模块中导入它
优点
总而言之，我们已经详细讨论了在 Python 中定义和使用 lambda 函数的许多方面：
希望今天的讨论可以使 Python 中看似令人生畏的 lambda 函数概念更清晰、更易于应用，更希望小伙伴们能够喜欢，喜欢就点个赞吧！
以上是Python中常用最神秘的函數！ lambda 函數深度總結！的詳細內容。更多資訊請關注PHP中文網其他相關文章！
