文章目录
一、前言二、 基本语法三、举个简单的例子：四、常见应用场景1. 用于排序函数`sort()` 方法简介`lambda` 表达式的作用详细解释进一步扩展总结
2、与 `map`、`filter`、`reduce` 等函数结合1、 `map()` 函数示例：将列表中的每个数字平方
2、 `filter()` 函数示例：筛选出列表中的偶数
3、 `reduce()` 函数示例：计算列表所有元素的累加和
总结
3、 用于函数内部或一次性使用的函数
五、总结
一、前言
lambda 表达式是Python中的一种简洁的匿名函数表达方式，它用于创建简单的函数，通常在不需要定义完整函数的情况下使用。lambda 表达式的语法非常简洁，适合编写一行的小函数。 接下来我们从具体的例子出发，由浅入深理解如何使用lambda表达式。
二、 基本语法
lambda 参数1, 参数2, ... : 表达式
lambda 引导关键字，表示这是一个匿名函数。后面紧跟参数，参数之间用逗号分隔。冒号后是函数的表达式，也就是返回值。
相当于简写形式的 def 函数定义。
三、举个简单的例子：
# 普通函数
def add(x, y):
return x + y
# 用 lambda 表达式写成
add_lambda = lambda x, y: x + y
# 调用
print(add(2, 3)) # 输出: 5
print(add_lambda(2, 3)) # 输出: 5
在这个例子中，add_lambda 是一个等价于 add 的匿名函数，但它使用了 lambda 表达式来定义。
四、常见应用场景
1. 用于排序函数
当我们需要排序一个包含元组、字典等复杂数据类型的列表时，通常会使用 lambda 来定义排序的规则。
例如在列表的.sort排序函数的参数中，使用key=一个lambda表达式指定排序规则。
# 按照元组中的第二个元素排序
points = [(1, 2), (3, 1), (5, 4)]
points.sort(key=lambda x: x[1])
print(points) # 输出: [(3, 1), (1, 2), (5, 4)]
在排序函数的示例中，我们使用了 lambda 表达式和列表的 sort 方法，对一个包含元组的列表进行排序。下面我将逐步讲解这个例子的工作原理。
sort() 方法简介
sort() 是 Python 中列表的一个内置方法，用于就地对列表进行排序（即会直接修改原始列表）。它可以根据默认顺序（即数字从小到大，字符串按字典顺序）对列表元素排序。
我们可以使用 key 参数来自定义排序规则。key 接受一个函数，这个函数用于生成用于比较的值。
例如，默认情况下，sort() 方法是基于元素的值排序：
numbers = [3, 1, 2]
numbers.sort()
print(numbers) # 输出: [1, 2, 3]
但是，如果我们想要按自定义规则排序，例如根据元组的某个元素（例如第二个元素）进行排序，我们就可以使用 key 参数。
lambda 表达式的作用
在这个例子中，我们要对一个包含多个元组的列表 points 进行排序，而排序的依据是每个元组的第二个元素（索引为1的元素）。要实现这个功能，我们使用 lambda 表达式：
key=lambda x: x[1]
这里 x 是列表中的每个元组，x[1] 表示元组的第二个元素。我们告诉 sort 方法，应该根据每个元组的第二个元素来排序。
详细解释
数据结构：points = [(1, 2), (3, 1), (5, 4)] 这是一个包含三个元组的列表，每个元组包含两个数字。例如，(1, 2) 表示一个点的坐标，1 是 x 坐标，2 是 y 坐标。
lambda 表达式：key=lambda x: x[1]
x 代表列表中的每个元组。x[1] 提取元组的第二个元素。lambda 表达式的作用是告诉 sort 方法，只需要考虑每个元组的第二个元素进行比较排序。 排序过程：
sort() 方法从列表的第一个元组开始，对每个元组调用 lambda x: x[1]，返回第二个元素的值，作为排序的依据。
对元组 (1, 2)，lambda 返回 2。对元组 (3, 1)，返回 1。对元组 (5, 4)，返回 4。
然后，sort() 方法按照 1, 2, 4 的顺序对元组排序，结果是：[(3, 1), (1, 2), (5, 4)]。
最终结果： 排序后的列表 points 为 [(3, 1), (1, 2), (5, 4)]。这个结果是根据每个元组的第二个元素从小到大排序的。
进一步扩展
如果我们想按元组的第一个元素排序，只需要将 x[1] 改为 x[0]：
points.sort(key=lambda x: x[0])
print(points) # 输出: [(1, 2), (3, 1), (5, 4)]
如果你想实现降序排序，可以设置 reverse=True：
points.sort(key=lambda x: x[1], reverse=True)
print(points) # 输出: [(5, 4), (1, 2), (3, 1)]
总结
lambda 表达式在排序函数中用于简洁地定义排序的依据。通过传递 key 参数，我们可以轻松自定义排序规则，比如按元组中的某个特定元素排序。
2、与 map、filter、reduce 等函数结合
lambda 表达式与 map、filter、reduce 等高阶函数结合使用是 Python 编程中的一个强大工具。接下来我们会详细解释这三种函数及其结合 lambda 的用法。
1、 map() 函数
map() 函数用于对可迭代对象中的每个元素应用一个函数，并返回一个新的迭代器。它可以接受一个函数和一个或多个可迭代对象（如列表、元组）。
语法：
map(function, iterable)
function 是要应用于每个元素的函数。iterable 是可迭代对象（例如列表、元组等）。
当结合 lambda 使用时，lambda 表达式作为匿名函数传递给 map()。
示例：将列表中的每个数字平方
nums = [1, 2, 3, 4, 5]
# 使用 lambda 表达式和 map
squared = map(lambda x: x**2, nums)
# 将结果转换为列表并打印
print(list(squared)) # 输出: [1, 4, 9, 16, 25]
解释：
lambda x: x**2 是一个匿名函数，用来计算每个数字的平方。map() 函数依次将 lambda 应用于 nums 列表中的每个元素，即 1, 2, 3, 4, 5，然后返回每个元素平方后的结果。
等价的普通函数写法：
def square(x):
return x ** 2
squared = map(square, nums)
print(list(squared)) # 输出: [1, 4, 9, 16, 25]
2、 filter() 函数
filter() 函数用于筛选可迭代对象中的元素，保留那些使函数返回 True 的元素。它也返回一个迭代器。
语法：
filter(function, iterable)
function 是用于测试每个元素的函数，返回 True 或 False。iterable 是需要过滤的可迭代对象。
当与 lambda 表达式结合使用时，lambda 可以作为过滤条件。
示例：筛选出列表中的偶数
nums = [1, 2, 3, 4, 5]
# 使用 lambda 表达式和 filter
evens = filter(lambda x: x % 2 == 0, nums)
# 将结果转换为列表并打印
print(list(evens)) # 输出: [2, 4]
解释：
lambda x: x % 2 == 0 是一个匿名函数，用来判断 x 是否为偶数。filter() 函数依次将 lambda 应用于 nums 列表中的每个元素，返回 True 的元素保留，返回 False 的元素被过滤掉。因此，最终结果是保留偶数 2 和 4。
等价的普通函数写法：
def is_even(x):
return x % 2 == 0
evens = filter(is_even, nums)
print(list(evens)) # 输出: [2, 4]
3、 reduce() 函数
reduce() 函数用于对可迭代对象中的元素进行累积操作，最终合并为一个值。它需要导入 functools 模块，因为它不属于 Python 的内置函数。
语法：
from functools import reduce
reduce(function, iterable)
function 是一个需要两个参数的函数，用来将前一个计算结果与下一个元素进行合并。iterable 是可迭代对象。
当与 lambda 表达式结合时，lambda 用来定义累积的规则。
示例：计算列表所有元素的累加和
from functools import reduce
nums = [1, 2, 3, 4, 5]
# 使用 lambda 表达式和 reduce
total = reduce(lambda x, y: x + y, nums)
print(total) # 输出: 15
解释：
lambda x, y: x + y 是一个匿名函数，接受两个参数 x 和 y，并返回它们的和。reduce() 函数首先将前两个元素 1 和 2 相加得到 3，然后将 3 和 3 相加得到 6，以此类推，直到处理完所有元素。最后返回累加结果 15。
等价的普通函数写法：
def add(x, y):
return x + y
total = reduce(add, nums)
print(total) # 输出: 15
总结
map()：对每个元素应用函数，返回每个元素的变换结果。适合批量操作。filter()：根据条件过滤元素，保留符合条件的元素。reduce()：对序列中的元素进行累积操作，适合需要归约为单一值的场景。
lambda 表达式可以方便地与这些高阶函数结合，减少代码的冗余和函数的显式定义。
3、 用于函数内部或一次性使用的函数
当函数只需要使用一次，可以直接用 lambda 表达式，而无需定义新的函数名。
def apply_operation(x, operation):
return operation(x)
# 使用 lambda 传递匿名函数
result = apply_operation(5, lambda x: x * 2)
print(result) # 输出: 10
五、总结
lambda 表达式用于简化代码，尤其适用于短小的函数，避免显式定义完整函数。虽然它方便，但当函数较为复杂时，还是建议使用普通函数定义，以提高代码的可读性。
感谢的关注与点赞！