点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自：AI算法与图像处理

Python 支持 lambda 匿名函数，其扩展的 BNF 表示法是lambda_expr ::= "lambda" [parameter_list] ":" expression，也就是lambda 参数序列:表达式。

这是一种便捷的函数定义方式，若翻译成我们熟知的函数形式，会是这个样子：

def <lambda>(parameter_list):return expression

也就是说，Python 中的 lambda 函数是一种可接收多个参数的函数，返回值是一个表达式。

它最大的好处是单行简洁，不需要函数命名与换行缩进。

不得不说，匿名函数有时候是挺好用的，比如下文会介绍到的一些常见用法，它因此受到了不少人的推崇。

但是，匿名函数通常也会造成代码难以阅读，容易被人滥用，再加上 Python 只提供了对它的“残疾的”支持，所以又有一些观点不建议使用匿名函数。

事实上，Python 之父 Guido van Rossum 就属于“不推荐使用派”，他甚至曾经（2005年）想要移除 lambda，只不过最后妥协了。

出处：https://www.artima.com/weblogs/viewpost.jsp?thread=98196

lambda 这一个由其他开发者贡献进来的特性（借鉴自 lisp 语言），存在了十多年，但是却被这门语言的创造者（兼首席设计师）所嫌弃，最后竟然还奇迹般地幸存了下来，对于这个故事，大家是否觉得挺有戏剧性的？

接下来，本文就仔细聊一聊这个处境尴尬却生命力顽强的 lambda 匿名函数吧！

1、lambda 怎么使用？

lambda 函数通常的用法是结合 map()、reduce()、filter()、sorted() 等函数一起使用，这些函数的共性是：都可以接收其它函数作为参数。

例如下面的几个例子：

my_list = [3, 1, 5, 4, 10]# 元素全加1，结果：[4, 2, 6, 5, 11]
list(map(lambda i:i+1, my_list)) # 过滤小于10的元素，结果：[3, 1, 5, 4]
list(filter(lambda i:i<10, my_list)) # 元素累加，结果：33
from functools import reduce
reduce(lambda i,j:i+j, my_list, 10)# 字典按值排序，结果：[('b', 1), ('a', 3), ('d', 4), ('c', 5)]
my_dict = {'a':3, 'b':1, 'c':5, 'd':4}
sorted(my_dict.items(), key=lambda item:item[1])

初学者也许会觉得代码读不懂，但是只要记住“Python中的函数是一等公民”，知道一个函数可以被作为另一个函数的参数或者返回值，就容易理解了。

比如对于 map() 函数的例子，你可以理解成这个形式：

my_func = lambda i:i+1
list(map(my_func, my_list))

甚至可以还原成普通的函数：

def add_one(i):return i+1list(map(add_one, my_list))

map() 函数的第一个参数是一个函数，第二个参数是一个可迭代对象。这第一个参数会迭代地调用第二个参数中的元素，调用的结果以迭代器的形式返回。

这个例子使用了 list()，是为了方便一次性取出迭代器中的元素，直观地展示出来，在实际使用中，很可能会是基于迭代器的形式。

由这几种用法，我们可以总结出 lambda 函数的使用规律：

• 它出现在需要使用函数的地方

• 它适合实现简单的功能

• 它是一次性的用途，不能在其它地方复用

• 它一般不会被独立使用，总是作为其它函数的一部分

2、lambda 有什么问题？

由上面的用法可以看出，使用 lambda 函数的代码比较紧凑简洁，所以有人称它体现了“Pythonic”的优雅思想。

但是，lambda 函数有没有什么缺陷呢？

有！当前的 lambda 函数有一个最大的问题，即只支持单行表达式，无法实现丰富的功能，例如无法在函数创建时使用语句（statement），无法使用 if-else 的判断条件，也无法使用 try-except 的异常捕获机制，等等。

这极大地限制了它的能力，导致了它被人诟病为“残疾的”。

从技术实现的角度上看， 这个问题可以通过语法层面的设计来解决。

在当年的邮件组讨论中，有人提出过一些解决思路，比如这封邮件：

出处：https://mail.python.org/pipermail/python-dev/2006-February/060654.html

它提出了一个lambda args::suite 的想法，支持写成这样的形式：

ss = sorted(seq, key=(lambda x::try: return abs(x)except TypeError: return 0))

但是，Guido 很快就否决了这个思路。

他写了一篇文章《Language Design Is Not Just Solving Puzzles》来回应：

出处：https://www.artima.com/weblogs/viewpost.jsp?thread=147358

其基本观点是：不能光顾着解决一个问题/实现某种功能，就引入缺乏“Pythonicity”的语言设计。

那么，为什么 Guido 会认为这是一种不好的设计呢？

我试着概括一下，理由是：

• 双冒号“::”凭空在此引入，但是跟切片语法中的“::”完全不同，而且跟 C++/Perl 中的作用域操作符用法也不同

• 即使不用双冒号，用其它符号表示（比如单冒号），还是难以接受，因为都会在一个表达式中嵌入缩进代码块。这就跟使用花括号和 begin/end 关键字来作语句分组（statement grouping）一样，都令人难以接受

• 在 lambda 中实现其它功能并不重要，这还会让解析器变得复杂（需区分是否有缩进、记录缩进级别），显得小题大做了

简而言之，他认为简洁友好的用户体验更为重要，如果简洁的语法无法满足需求，就应该写成具名函数的形式，而非设计出复杂的匿名函数。

3、为什么 Guido 想移除 lambda？

上文提到的多行 lambda 语句（multi-statement lambda）事件发生在 2006 年，我们看到了 Guido 不想给 lambda 引入复杂设计的原因。

但是，早在 2005 年，Guido 就曾经想要从 Python 移除 lambda，他对它的“嫌弃”是一个“历史悠久”的传统……

在《The fate of reduce() in Python 3000》这篇短文中，Guido 提出要一次性移除 reduce()、map()、filter() 以及 lambda。

移除 lambda 的理由如下：

• 对于不熟悉 Lisp 或 Scheme 的用户，lambda 这名字容易造成混淆

• 很多人误以为匿名函数能做嵌套函数不能做的事，但其实并无区别；存在lambda，就会造成不必要的选择，减少选择，可以简化思维

• 移除 reduce()、map() 和 filter() 后，就没必要写简短的局部函数了

回顾一下我们在前文中总结出的 lambda 的 4 条使用规律，可以发现它跟几个高阶函数（可以接收其它函数作为参数的函数）有较强的“寄生关系”，如果它们能移除了的话，lambda 确实就没有什么独立存留的意义了。

那么，为什么 Guido 觉得应该移除那几个高阶函数呢？

主要的理由有：

• 可以替换成更加清晰的列表解析式或者生成器表达式，例如 filter(P,S) 可以写成 [x for x in S if P(x)]，map(F, S) 写成 [F(x) for x in S]

• 至于 reduce()，他说这是最讨厌的，除了涉及 + 和 * 的少数用法，其它时候他总要拿出纸笔来画图解才能搞清楚。除了显式地写循环，他还针对 reduce() 的几种用法而提出了几个替代用法，包括引入新的 any() 和 all() 函数

总体而言，Guido 的想法暗合了《The Zen of Python》中的这一条：There should be one-- and preferably only one --obvious way to do it。

但是回到现实，为了照顾某些人的习惯，以及对兼容性的考虑，Guido 最后保守地放弃了“清理异端”的计划。

因此，lambda 得以从 Python 最高独裁者的手上死里逃生。直到一年后，它试图兴风作浪（多行表达式），却惨遭镇压。

我仿佛听到了 Guido 的内心 OS：当初我想删除东西的时候，你们百般阻挠，现在你们想添加东西，哼，没门！……

哈哈，开了个玩笑。

Guido 的所有决定都体现了他的 Pythonic 设计美学、自恰的逻辑一致性以及对社区声音的权衡。

对于 lambda，我认可他的观点，而通过回溯语法发展的历史，我觉得自己对于 Python 的理解变得更为丰富了。不知道你可有同感？

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~