|
Python 提供了非常多的庫和內置函數。有不同的方法可以執行相同的任務，而在 Python 中使用最為頻繁函數莫過于：lambda()、 map()、filter() 和 reduce() 函數，今天我將和大家一起研究學習，喜歡記得收藏、關注、點贊。
【注】代碼、資料、交流文末獲取
Lambda 函數簡介
Lambda函數也被稱為匿名(沒有名稱)函數，它直接接受參數的數量以及使用該參數執行的條件或操作，該參數以冒號分隔，并返回最終結果。為了在大型代碼庫上編寫代碼時執行一項小任務，或者在函數中執行一項小任務，便在正常過程中使用lambda函數。
lambda argument_list:expersion
argument_list是參數列表，它的結構與Python中函數(function)的參數列表是一樣的
a,b
a=1,b=2
*args
**kwargs
a,b=1,*args
空
....
expression是一個關于參數的表達式，表達式中出現的參數需要在argument_list中有定義，并且表達式只能是單行的。
1
None
a+b
sum(a)
1 if a >10 else 0
[i for i in range(10)]
...
普通函數和Lambda函數的區別
-
沒有名稱
Lambda函數沒有名稱，而普通操作有一個合適的名稱。 -
Lambda函數沒有返回值
使用def關鍵字構建的普通函數返回值或序列數據類型，但在Lambda函數中返回一個完整的過程。假設我們想要檢查數字是偶數還是奇數，使用lambda函數語法類似于下面的代碼片段。
b = lambda x: "Even" if x%2==0 else "Odd"
b(9)
-
函數只在一行中
Lambda函數只在一行中編寫和創建，而在普通函數的中使用縮進 -
不用于代碼重用
Lambda函數不能用于代碼重用，或者不能在任何其他文件中導入這個函數。相反，普通函數用于代碼重用，可以在外部文件中使用。
為什么要使用Lambda函數?
一般情況下，我們不使用Lambda函數，而是將其與高階函數一起使用。高階函數是一種需要多個函數來完成任務的函數，或者當一個函數返回任何另一個函數時，可以選擇使用Lambda函數。
什么是高階函數?
通過一個例子來理解高階函數。假設有一個整數列表，必須返回三個輸出。
-
一個列表中所有偶數的和 -
一個列表中所有奇數的和 -
一個所有能被三整除的數的和
首先假設用普通函數來處理這個問題。在這種情況下，將聲明三個不同的變量來存儲各個任務，并使用一個for循環處理并返回結果三個變量。該方法常規可正常運行。
現在使用Lambda函數來解決這個問題，那么可以用三個不同的Lambda函數來檢查一個待檢驗數是否是偶數，奇數，還是能被三整除，然后在結果中加上一個數。
def return_sum(func, lst):
result = 0
for i in lst:
#if val satisfies func
if func(i):
result = result + i
return result
lst = [11,14,21,56,78,45,29,28]
x = lambda a: a%2 == 0
y = lambda a: a%2 != 0
z = lambda a: a%3 == 0
print(return_sum(x, lst))
print(return_sum(y, lst))
print(return_sum(z, lst))
這里創建了一個高階函數，其中將Lambda函數作為一個部分傳遞給普通函數。其實這種類型的代碼在互聯網上隨處可見。然而很多人在使用Python時都會忽略這個函數，或者只是偶爾使用它，但其實這些函數真的非常方便，同時也可以節省更多的代碼行。接下來我們一起看看這些高階函數。
Python內置高階函數
Map函數
map() 會根據提供的函數對指定序列做映射。
Map函數是一個接受兩個參數的函數。第一個參數 function 以參數序列中的每一個元素調用 function 函數，第二個是任何可迭代的序列數據類型。返回包含每次 function 函數返回值的新列表。
map(function, iterable, ...)
Map函數將定義在迭代器對象中的某種類型的操作。假設我們要將數組元素進行平方運算，即將一個數組的每個元素的平方映射到另一個產生所需結果的數組。
arr = [2,4,6,8]
arr = list(map(lambda x: x*x, arr))
print(arr)
我們可以以不同的方式使用Map函數。假設有一個包含名稱、地址等詳細信息的字典列表，目標是生成一個包含所有名稱的新列表。
students = [
{"name": "John Doe",
"father name": "Robert Doe",
"Address": "123 Hall street"
},
{
"name": "Rahul Garg",
"father name": "Kamal Garg",
"Address": "3-Upper-Street corner"
},
{
"name": "Angela Steven",
"father name": "Jabob steven",
"Address": "Unknown"
}
]
print(list(map(lambda student: student['name'], students)))
>>> ['John Doe', 'Rahul Garg', 'Angela Steven']
上述操作通常出現在從數據庫或網絡抓取獲取數據等場景中。
Filter函數
Filter函數根據給定的特定條件過濾掉數據。即在函數中設定過濾條件，迭代元素，保留返回值為True 的元素。Map 函數對每個元素進行操作，而 filter 函數僅輸出滿足特定要求的元素。
假設有一個水果名稱列表，任務是只輸出那些名稱中包含字符“g”的名稱。
fruits = ['mango', 'apple', 'orange', 'cherry', 'grapes']
print(list(filter(lambda fruit: 'g' in fruit, fruits)))
filter(function or None, iterable) --> filter object
返回一個迭代器，為那些函數或項為真的可迭代項。如果函數為None，則返回為真的項。
這個函數比較特別，不是 Python 的內置函數，需要通過from functools import reduce 導入。Reduce 從序列數據結構返回單個輸出值，它通過應用一個給定的函數來減少元素。
reduce(function, sequence[, initial]) -> value
將包含兩個參數的函數(function)累計應用于序列(sequence)的項，從左到右，從而將序列reduce至單個值。
如果存在initial，則將其放在項目之前的序列，并作為默認值時序列是空的。
假設有一個整數列表，并求得所有元素的總和。且使用reduce函數而不是使用for循環來處理此問題。
from functools import reduce
lst = [2,4,6,8,10]
print(reduce(lambda x, y: x+y, lst))
>>> 30
還可以使用 reduce 函數而不是for循環從列表中找到最大或最小的元素。
lst = [2,4,6,8]
# 找到最大元素
print(reduce(lambda x, y: x if x>y else y, lst))
# 找到最小元素
print(reduce(lambda x, y: x if x<y else y, lst))
高階函數的替代方法
列表推導式
其實列表推導式只是一個for循環，用于添加新列表中的每一項，以從現有索引或一組元素創建一個新列表。之前使用map、filter和reduce完成的工作也可以使用列表推導式完成。然而，相比于使用Map和filter函數，很多人更喜歡使用列表推導式，也許是因為它更容易應用和記憶。
同樣使用列表推導式將數組中每個元素進行平方運算，水果的例子也可以使用列表推導式來解決。
arr = [2,4,6,8]
arr = [i**2 for i in arr]
print(arr)
fruit_result = [fruit for fruit in fruits if 'g' in fruit]
print(fruit_result)
字典推導式
與列表推導式一樣，使用字典推導式從現有的字典創建一個新字典。還可以從列表創建字典。
假設有一個整數列表，需要創建一個字典，其中鍵是列表中的每個元素，值是列表中的每個元素的平方。
lst = [2,4,6,8]
D1 = {item:item**2 for item in lst}
print(D1)
>>> {2: 4, 4: 16, 6: 36, 8: 64}
# 創建一個只包含奇數元素的字典
arr = [1,2,3,4,5,6,7,8]
D2 = {item: item**2 for item in arr if item %2 != 0}
print(D2)
>>> {1: 1, 3: 9, 5: 25, 7: 49}
一個簡單應用
如何快速找到多個字典的公共鍵
方法一
dl = [d1, d2, d3] # d1, d2, d3為字典，目標找到所有字典的公共鍵
[k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))]
例
dl = [{1:'life', 2: 'is'},
{1:'short', 3: 'i'},
{1: 'use', 4: 'python'}]
[k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))]
# 1
解析
# 列表表達式遍歷dl中第一個字典中的鍵
[k for k in dl[0]]
# [1, 2]
# lambda 匿名函數判斷字典中的鍵，即k值是否在其余字典中
list(map(lambda d: 1 in d, dl[1:]))
# [True, True]
list(map(lambda d: 2 in d, dl[1:]))
#[False, False]
# 列表表達式條件為上述結果([True, True])全為True,則輸出對應的k值
#1
方法二
# 利用集合（set）的交集操作
from functools import reduce
# reduce(lambda a, b: a*b, range(1,11)) # 10!
reduce(lambda a, b: a & b, map(dict.keys, dl))
寫在最后
目前已經學習了Lambda函數是什么，以及Lambda函數的一些使用方法。隨后又一起學習了Python中的高階函數，以及如何在高階函數中使用lambda函數。除此之外，還學習了高階函數的替代方法：在列表推導式和字典推導式中執行之前操作。雖然這些方法看似簡單，或者說你之前已經見到過這類方法，但你很可能很少使用它們。你可以嘗試在其他更加復雜的函數中使用它們，以便使代碼更加簡潔。
|
