目录

引言

一、简介

1.1 基本语法

1.2 优势

1.3 局限性

二、基本用法

2.1 无参数lambda 函数

2.2 多参数 lambda 函数

三、常见使用场景

3.1 与高阶函数配合使用

3.2 作为排序键

3.3 在 GUI 编程中作为回调函数

3.4 在 Pandas 中的应用

四、高级技巧

4.1 条件表达式

4.2 嵌套 Lambda 函数

4.3 默认参数

总结

---

引言

        Python 中的 lambda 函数是一种创建匿名函数（没有名称的函数）的方式，它可以使代码更加简洁和易读。虽然功能有限，但在适当的场景下，lambda 函数能大大简化代码结构。

一、简介

1.1 基本语法

Lambda 函数是使用 lambda 关键字创建的匿名函数，其基本语法如下：

lambda arg1, arg2 : expression

参数：

• lambda：定义 lambda 函数的关键字

• arg：函数参数，可以是零个或多个，用逗号分隔

• expression：函数体，只能是一个表达式，不能包含多条语句

1.2 Lambda 函数的优势

• 当函数只需要使用一次时

• 当函数体非常简单，只有一条表达式时

• 作为参数传递给高阶函数时

1.3 Lambda 函数的局限性

• 只能包含一个表达式：Lambda 函数不能包含多条语句或复杂的逻辑结构。

• 没有语句：不能包含 if、for、while 等语句（但可以使用条件表达式）。

• 可读性：过于复杂的 lambda 函数会降低代码的可读性。

二、基本用法

2.1 无参数的 lambda 函数

# 普通函数定义
def square(x):print("hello world!")
​
# 等效的 lambda 函数
square = lambda : print("hello world!")

2.2 多参数的 lambda 函数

# 普通函数
def add(x, y):return x + y
​
# 等效的 lambda 函数
add = lambda x, y: x + y
​
print(add(3, 5))  # 输出: 8

三、常见使用场景

3.1 与高阶函数配合使用

Lambda 函数经常与 map(), filter(), reduce() 等高阶函数一起使用。

• 使用 map()

numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x ** 2, numbers))
print(squared)  # 输出: [1, 4, 9, 16, 25]

• 使用 filter()

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)  # 输出: [2, 4, 6, 8, 10]

• 使用 reduce()

from functools import reduce
numbers = [1, 2, 3, 4, 5]
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 输出: 120

3.2 作为排序键

# 按姓名排序
students = [{'name': 'Alice', 'age': 25},{'name': 'Bob', 'age': 22},{'name': 'Charlie', 'age': 28}
]
​
# 按姓名排序
students_sorted_by_name = sorted(students, key=lambda x: x['name'])
print(students_sorted_by_name)
# 输出: [{'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 22}, {'name': 'Charlie', 'age': 28}]
​
# 按年龄排序
students_sorted_by_age = sorted(students, key=lambda x: x['age'])
print(students_sorted_by_age)
# 输出: [{'name': 'Bob', 'age': 22}, {'name': 'Alice', 'age': 25}, {'name': 'Charlie', 'age': 28}]

3.3 在 GUI 编程中作为回调函数

import tkinter as tk
​
root = tk.Tk()
button = tk.Button(root, text="Click me!", command=lambda: print("Button clicked!"))
button.pack()
root.mainloop()

3.4 在 Pandas 中的应用

import pandas as pd
​
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 创建新列，其值为 A 列和 B 列的和
df['C'] = df.apply(lambda row: row['A'] + row['B'], axis=1)
print(df)

四、高级技巧

4.1 条件表达式

# 返回两个数中较大的数
max_value = lambda x, y: x if x > y else y
print(max_value(10, 20))  # 输出: 20

4.2 嵌套 Lambda 函数

# 返回一个函数，该函数计算 x 的 n 次方
power = lambda n: lambda x: x ** n
​
square = power(2)
cube = power(3)
​
print(square(4))  # 输出: 16
print(cube(3))    # 输出: 27

4.3 默认参数

greet = lambda name, greeting="Hello": f"{greeting}, {name}!"
print(greet("Alice"))          # 输出: Hello, Alice!
print(greet("Bob", "Hi"))      # 输出: Hi, Bob!

总结

        Lambda 函数是 Python 中一个强大而简洁的特性，当正确使用时，可以使代码更加简洁和易读。它们特别适合与高阶函数配合使用，或者作为简单的回调函数。

        然而，重要的是要记住，lambda 函数并不总是最佳选择，特别是当逻辑变得复杂时。如在这些情况下，使用传统的 def 关键字定义函数通常是更好的选择：

• 当函数逻辑复杂，需要多条语句时

• 当函数需要文档字符串或注释时

• 当函数会被多次重用时

选择使代码最清晰、最易维护的方法，而不是一味追求简洁。