文章导读:

以前自己一直没搞明白Python中的匿名函数,现在拿这个问题基本上搞明白了,拿自己的理解整成一篇文章,附带大量例子,让其更加好理解。

在编程语言中,函数的应用:

1. 代码块重复,这时候必须考虑用到函数,降低程序的冗余度

2. 代码块复杂,这时候可以考虑用到函数,降低程序的可读性

在Python,有两种函数,一种是def定义,一种是lambda函数

#假如要求两个数之和,用普通函数或匿名函数如下:

1. def func(x,y):return x+y

2. lambda x,y: x+y

在编程语言中,C/C++/Java属于过程式编程,而匿名函数(lambda)一般应用于函数式编程中,举个简单例子也许比较好理解,对于一个列表,要求大于3的元素.

过程式编程实现: 也就是常规的方法

>>> L1 = [1,2,3,4,5]

>>> L2 = []

>>> for i in L1:

if i>3:

L2.append(i)

>>> L2

[4, 5]

函数式编程实现: 运用filter,给其一个判断条件即可

>>> def func(x): return x>3 #在函数中

>>> filter(func,[1,2,3,4,5])

[4, 5]

如果运用匿名函数,则更加精简,一行就可以了:

>>> filter(lambda x:x>3,[1,2,3,4,5])

[4, 5]

总结: 从中可以看出,lambda一般应用于函数式编程,代码简洁,常和reduce,filter等函数结合使用。

格式如下:

解构上面的例子

x 为lambda函数的一个参数

: 分割符

x>3 则是返回值,在lambda函数中不能有return,其实:后面就是返回值

为什么要用匿名函数?

1. 程序一次行使用,所以不需要定义函数名,节省内存中变量定义空间

2. 如果想让程序更加简洁时。

匿名函数几个规则:

1. 一般也就一行表达式,必须有返回值

2. 不能有return

3. 可以没有参数,可以有一个或多个参数

>>> def func(x): x+y

>>> func

>>> lambda x: x+y

at 0x0000000002F48D68>

无参匿名函数:

------

>>> t = lambda : True #分号前无任何参数

>>> t()

True

等价于下面的def定义的函数

>>> def func(): return True

>>> func()

True

------

>>> s = "this is\na\ttest" #建此字符串按照正常情形输出

>>> s

'this is\na\ttest'

>>> print s.split() #split函数默认分割:空格,换行符,TAB

['this', 'is', 'a', 'test']

>>> ' '.join(s.split()) #用join函数转一个列表为字符串

'this is a test'

等价于

>>> (lambda s:' '.join(s.split()))("this is\na\ttest")

带参数匿名函数

>>> lambda x: x**3 #一个参数

>>> lambda x,y,z:x+y+z #多个参数

>>> lambda x,y=3: x*y #允许参数存在默认值

匿名函数调用

#直接赋值给一个变量,然后再像一般函数调用

------

>>> c = lambda x,y,z: x*y*z

>>> c(2,3,4)

24

------

>>> c = lambda x,y=2: x+y #使用了默认值

>>> c(10) #不输的话,使用默认值2

12

------

>>> a = lambda *z:z #*z返回的是一个元祖

>>> a('Testing1','Testing2')

('Testing1', 'Testing2')

------

>>> c = lambda **Arg: Arg #arg返回的是一个字典

>>> c()

{}

#直接后面传递实参

------

>>> (lambda x,y: x if x> y else y)(101,102)

102

------

>>> (lambda x:x**2)(3)

9

#lambda返回的值,结合map,filter,reduce使用

>>> filter(lambda x:x%3==0,[1,2,3,4,5,6])

[3, 6]

等价于下面的列表推导式

>>> l = [x for x in [1,2,3,4,5,6] if x%3==0]

>>> l

[3, 6]

嵌套使用

#lambda嵌套到普通函数中,lambda函数本身做为return的值

------

>>> def increment(n):

... return lambda x: x+n

...

>>> f=increment(4)

>>> f(2)

6

------

>>> def say():

... title = 'Sir,'

... action= lambda x: title + x

... return action

...

>>> act = say()

>>> act('Smith!')

'Sir,Smith!'

大量例子:

例01: 字符串联合,有默认值,也可以x=(lambda...)这种格式

>>> x = (lambda x="Boo",y="Too",z="Zoo": x+y+z)

>>> x("Foo")

'FooTooZoo'

例02: 和列表联合使用

>>> L = [lambda x:x**2,\

lambda x:x**3,\

lambda x:x**4]

>>> for f in L:

... print f(2)

...

4

8

16

也可以如下面这样调用

>>> print L[0](3)

9

例03: 和字典结合使用

>>> key = 'B'

>>> dic = { 'A': lambda: 2*2,\

... 'B': lambda: 2*4,\

... 'C': lambda: 2*8}

>>> dic[key]()

8

例04: 求最小值

>>> lower = lambda x,y: x if x

>>> lower('aa','ab')

'aa'

例05: 和map及list联合使用

>>> import sys

>>> showall = lambda x:list(map(sys.stdout.write,x))

>>> showall(['Jerry\n','Sherry\n','Alice\n'])

Jerry

Sherry

Alice

>>> showall(['Jerry','Sherry','Alice'])

JerrySherryAlice

等价于下面

>>> showall = lambda x: [sys.stdout.write(line) for line in x]

>>> showall(('I\t','Love\t','You!'))

I Love You![None, None, None]

例06: 在Tkinter中定义内联的callback函数

import sys

from Tkinter import Button,mainloop

x = Button(text='Press me',

command=(lambda:sys.stdout.write('Hello,World\n')))

x.pack()

x.mainloop()

>>>

Hello,World!

Hello,World!

例07: lambda和map联合使用,

>>> out = lambda *x: sys.stdout.write(' '.join(map(str,x)))

>>> out('This','is','a','book!\n')

This is a book!

例08: 判断字符串是否以某个字母开头

>>> print (lambda x: x.startswith('B'))('Bob')

True

-----

>>> Names = ['Anne', 'Amy', 'Bob', 'David', 'Carrie', 'Barbara', 'Zach']

>>> B_Name= filter(lambda x: x.startswith('B'),Names)

>>> B_Name

['Bob', 'Barbara']

例09: lambda和map联合使用:

>>> squares = map(lambda x:x**2,range(5))

>>> squares

[0, 1, 4, 9, 16]

例10. lambda和map,filter联合使用:

>>> squares = map(lambda x:x**2,range(10))

>>> filters = filter(lambda x:x>5 and x<50,squares)

>>> filters

[9, 16, 25, 36, 49]

例11. lambda和sorted联合使用

#按death名单里面,按年龄来排序

#匿名函数的值返回给key,进来排序

>>> death = [ ('James',32),

('Alies',20),

('Wendy',25)]

>>> sorted(death,key=lambda age:age[1]) #按照第二个元素,索引为1排序

[('Alies', 20), ('Wendy', 25), ('James', 32)]

例12. lambda和reduce联合使用

>>> L = [1,2,3,4]

>>> sum = reduce(lambda x,y:x+y,L)

>>> sum

10

例13. 求2-50之间的素数

#素数:只能被1或被自己整除的数

>>> nums = range(2,50)

>>> for i in nums:

nums = filter(lambda x:x==i or x % i,nums)

>>> nums

[2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47]

例14. 求两个列表元素的和

>>> a = [1,2,3,4]

>>> b = [5,6,7,8]

>>> map(lambda x,y:x+y, a,b)

[6, 8, 10, 12]

例15. 求字符串每个单词的长度

>>> sentence = "Welcome To Beijing!"

>>> words = sentence.split()

>>> lengths = map(lambda x:len(x),words)

>>> lengths

[7, 2, 8]

写成一行:

>>> print map(lambda x:len(x),'Welcome To Beijing!'.split())

例16. 统计Linux系统挂载点

[root@host ~]# mount -v

/dev/mapper/rootVG-root on / type ext3 (rw)

proc on /proc type proc (rw)

sysfs on /sys type sysfs (rw)

devpts on /dev/pts type devpts (rw,gid=5,mode=620)

/dev/mapper/rootVG-tmp on /tmp type ext3 (rw)

/dev/mapper/rootVG-var on /var type ext3 (rw)

/dev/cciss/c0d0p1 on /boot type ext3 (rw)

tmpfs on /dev/shm type tmpfs (rw,size=90%)

>>> import commands

>>> mount = commands.getoutput('mount -v')

>>> lines = mount.splitlines()

>>> point = map(lambda line:line.split()[2],lines)

>>> print point

['/', '/proc', '/sys', '/dev/pts', '/tmp', '/var']

写成一行:

>>> print map(lambda x:x.split()[2],commands.getoutput('mount -v').splitlines())

效率问题:

#比较def函数和lambda函数效率问题

输出结果:

1413272496.27

1413272703.05 (Def 函数:207s)

1413272904.49 (Lambda函数:201s)

从上面可以看出,两者的所需的时间差不多,效率丝毫不受影响.

难点例子:

参考链接:http://segmentfault.com/q/1010000000131575

python中的匿名函数_Python匿名函数详解相关推荐

  1. python中的class怎么用_对python 中class与变量的使用方法详解

    python中的变量定义是很灵活的,很容易搞混淆,特别是对于class的变量的定义,如何定义使用类里的变量是我们维护代码和保证代码稳定性的关键. #!/usr/bin/python #encoding ...

  2. python中class变量_对python 中class与变量的使用方法详解

    python中的变量定义是很灵活的,很容易搞混淆,特别是对于class的变量的定义,如何定义使用类里的变量是我们维护代码和保证代码稳定性的关键. #!/usr/bin/python #encoding ...

  3. Python中的list/tuple/dict/set数据类型详解

    Python中的list/tuple/dict/set数据类型详解 Python内部内置了一些数据类型与结构,可以方便在编程时候的使用. list List存储一系列的有序集合,并且元素内容可变(可更 ...

  4. 站长在线Python精讲:在Python中格式化字符串的两种方法详解

    欢迎你来到站长在线的站长学堂学习Python知识,本文学习的是<在Python中格式化字符串的两种方法详解>.本知识点主要内容有:使用%操作符格式化字符串和使用format()方法格式化字 ...

  5. python中if语句的实例_对python中if语句的真假判断实例详解

    说明 在python中,if作为条件语句,当if后面的条件参数为真时,则执行后面的语句块,反之跳过,为了深入理解if语句,我们需要知道if语句的真假判断方式. 示例 在python交互器中,经过测试发 ...

  6. Computer:字符编码(ASCII编码/GBK编码/BASE64编码/UTF-8编码)的简介、案例应用(python中的编码格式及常见编码问题详解)之详细攻略

    Computer:字符编码(ASCII编码/GBK编码/BASE64编码/UTF-8编码)的简介.案例应用(python中的编码格式及常见编码问题详解)之详细攻略 目录 符串编码(ASCII编码/GB ...

  7. 站长在线Python精讲:在Python中匹配字符串的3个方法详解

    欢迎你来到站长在线的站长学堂学习Python知识,本文学习的是<在Python中匹配字符串的3个方法详解>.本知识点主要内容有:使用match()方法进行匹配.使用search()方法进行 ...

  8. python中的def语句_Python def 函数

    Python def 函数 在Python中,函数声明和函数定义是视为一体的.在Python中,函数定义的基本形式如下: def add(a,b): return a+b 在这里说明几点: (1)在P ...

  9. python中lower的用法_Python lower()函数

    Python中lower() 函数的作用是把一个字符串中所有大写形式的字符变为小写形式,并生成源字符串的一个副本. lower() 函数在很多场合起着重要的作用,如有时我们需要判断一个字符串中是否包含 ...

  10. python中len的用法_Python len函数用法

    1 在Python中,要知道一个字符串有多少个字符(以获得字符串的长度),或者一个字符串需要多少字节,可以使用len函数.len函数的基本语法格式如下: 2 其中string用于指定要计算长度的字符串 ...

最新文章

  1. 解决JQuery AutoComplete在IE9下出错的问题
  2. str.endswith可以传入集合数据类型,而不仅仅是字符串
  3. SCM-SVN集成服务器
  4. 3d geometric model website http://www.cse.ohio-state.edu/~tamaldey/
  5. 后台接收数组_微信小程序如何与后台api接口进行数据交互(微信报修小程序源码讲解七)...
  6. Linux有关Shell变量的笔记
  7. WCF 进阶: 对称加密传输
  8. linux 平行运行命令,Linux paste命令
  9. 使用工具连接linux中的mysql8.0
  10. docker 运行 php nginx_使用docker运行nginx
  11. Android下载自带开源图标库教程
  12. Ubuntu安装布谷鸟沙盒
  13. win10中Elan触摸板启用“双指点击打开右键菜单“与“双指滚动“方法总结
  14. 持续集成之企业微信通知:1:群机器人使用方法介绍
  15. 最新百度地图—POI搜索功能讲解
  16. linux给分区扩容
  17. typescript 提示 Object is possibly null
  18. 面试精讲(guigu)
  19. lol服务器维护2021,lol维护几点结束 2021英雄联盟维护最新公告
  20. 利用MATLAB编写单位冲激函数,熟悉MATLAB软件的相关函数的使用方法各种信号的时域波形.doc...

热门文章

  1. selenium-窗口切换
  2. Django2.1迁移数据库出错
  3. BZOJ 5106 [CodePlus2017]汀博尔
  4. 解决ios手机页面overflow scroll滑动很卡的问题
  5. apache+nginx 实现动静分离
  6. 51单片机ALE引脚的控制(摘录)
  7. 发现这里才是我的地方
  8. 线程基础阶段性总结和扩展(一)
  9. ajax异步下载文件并判断状态
  10. 接口如何保证幂等性的解决方案