python数据操作之lambda表达式详情
1 前言
2 lambda 的特性
3 lambda 的一些用法
3.1 map 函数
3.2 reduce 函数
3.3 sorted 函数
3.4 filter 函数
4 总结
1 前言在 Java 和 js 中，lambda箭头函数是十分常见的操作，这种表达方式在使用时非常的简便。在python的语法中也有应用场景，lambda是python预留的关键字，带有该关键字的都视为lambda,
其表现形式如下：
# lambda 是表达式， arg 是用户输入参数 expression 是函数表达式
lambda [arg1 [,arg2,.....argn]]:expression
2 lambda 的特性
python 中 lambda 表达式的特性如下所示：
表达式是匿名的，lambda 只是一个一个表达式，类似于但是没有名字。
表达式有输入和输出，输入是 arg 的参数，输出是表达式计算的结果。
具有命名空间，只能在命名空间之内获取和操作参数变量。
常见的表达式如下所示：
lambda x, y: x + y# 函数输入是x和y，输出是 x + y
lambda *args: sum(args)# 输入是任意个数参数，输出是多个参数的和，输入参数必须是数字
lambda **kwargs: 2# 输入是任意键值对参数，输出结果为固定值
3 lambda 的一些用法
3.1 map 函数
map 函数会根据提供的函数对可迭代参数进行逐个调用，并返回一个可迭代对象结果，其语法和使用方式如下所示：
# function 代表为函数，iterable 代表一个可迭代对象,也可以传入多个对象
map(function, iterable, ...)
# 只有一个可迭代参数情况
def cal_num(x):
return x ** 2 + 2 * x - 3
# 准备的数据
read_list = [2, 3, 4]
# 因为map 的结果是一个可迭代对象，所以转换为 list 对象打印结果
re_list = list(map(cal_num, read_list))
#计算的结果 [5, 12, 21]
print(re_list)
# 多个可迭代参数情况，逐个计算和
def cal_add_num(x, y):
return x + y
# 准备的数据
read_list = [2, 3, 4]
re_list = list(map(cal_add_num, read_list, read_list))
# 计算结果 [4, 6, 8]
print(re_list)
# 关于多个迭代的操作，也可以采用 zip 将多个可迭代对象进行处理，组成元组对象，进行循环计算处理。
result_list = []
for k1, k2 in zip(read_list,read_list):
result_list.append(k1 + k2)
3.2 reduce 函数
reduce 函数会对参数列表中的元素进行累积计算，通常的做法就是对一列数组求和，前篇讲述的 java Stream 关于 reduce 的操作和本例是一样的，其中的 lambda 可以看成是数列的推导式：
# function 代表为函数，iterable 代表一个可迭代对象,initializer 指定起始值
reduce(function, iterable[, initializer])
# 计算数组之和，lambda 写法,起始值为 10, 计算结果为 25
res = reduce(lambda x, y: x + y, [1, 2, 3, 4, 5], 10)
这里需要说明的是，在 python3 中 reduce 已经从全局命名空间中移除，被放在了 functools 模块中，如果需要使用，则需要进行引入from functools import reduce。
sorted 函数，顾名思义就是对可迭代对象进行排序操作，其语法格式和用法如下所示：
# iterable 为可迭代对象 cmp 为比较函数 排序字段和排序顺序
sorted(iterable[, cmp[, key[, reverse]]])
# 1、简单排序
a = [5,7,6,3,4,1,2]
# 使用sorted，保留原列表，不改变列表a的值
# 排序结果为 [1, 2, 3, 4, 5, 6, 7]
b = sorted(a)
# 2、使用 lambda 指定排序函数方式排序
# 待排序对象
x_list = [('b',2),('a',1),('c',3),('d',4)]
# 排序结果：[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
y_list = sorted(x_list, cmp=lambda x,y:cmp(x[1],y[1]))
# 3、利用参数 key 排序,依然使用 lambda 指定元祖的第一个数据
# 计算结果：[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
z_list = sorted(x_list, key=lambda x:x[1])
# 4、指定排序顺序
user_list = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
# 排序结果 [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
re_list = sorted(user_list, key=lambda s: s[2], reverse=True)
3.4 filter 函数
filter 函数相对来说就比较简单了，主要就是过滤操作，过滤掉不符合表达式的数据，得到最终的结果。
# function 为过滤函数，返回结果为 true 或者 false, iterable 为可迭代对象
filter(function, iterable)
# 判断是否为奇数
def is_odd(n):
return n % 2 == 1
newlist = filter(is_odd, [1, 2, 3, 4])
print(list(newlist))
4 总结
文章主要讲述了 python 的 lambda 的相关操作，主要就是 lambda 表达式与 map、filter、 sorted、 reduce 函数的配合使用。
到此这篇关于python数据操作之 lambda表达式详情的文章就介绍到这了,更多相关python lambda表达式内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
