Python 提供了非常多的庫和內置函數。有不同的方法可以執行相同的任務，而在 Python 中使用最為頻繁函數莫過于：lambda()、 map()、filter() 和 reduce() 函數，今天我將和大家一起研究學習，喜歡記得收藏、關注、點贊。

【注】代碼、資料、交流文末獲取

Lambda 函數簡介

Lambda函數也被稱為匿名(沒有名稱)函數，它直接接受參數的數量以及使用該參數執行的條件或操作，該參數以冒號分隔，并返回最終結果。為了在大型代碼庫上編寫代碼時執行一項小任務，或者在函數中執行一項小任務，便在正常過程中使用lambda函數。

lambda argument_list:expersion

argument_list是參數列表，它的結構與Python中函數(function)的參數列表是一樣的

a,b a=1,b=2 *args **kwargs a,b=1,*args 空 ....

expression是一個關于參數的表達式，表達式中出現的參數需要在argument_list中有定義，并且表達式只能是單行的。

1 None a+b sum(a) 1 if a >10 else 0 [i for i in range(10)] ...

普通函數和Lambda函數的區別

沒有名稱
Lambda函數沒有名稱，而普通操作有一個合適的名稱。

Lambda函數沒有返回值
使用def關鍵字構建的普通函數返回值或序列數據類型，但在Lambda函數中返回一個完整的過程。假設我們想要檢查數字是偶數還是奇數，使用lambda函數語法類似于下面的代碼片段。

b = lambda x: "Even" if x%2==0 else "Odd" b(9)

函數只在一行中
Lambda函數只在一行中編寫和創建，而在普通函數的中使用縮進

不用于代碼重用
Lambda函數不能用于代碼重用，或者不能在任何其他文件中導入這個函數。相反，普通函數用于代碼重用，可以在外部文件中使用。

為什么要使用Lambda函數?

一般情況下，我們不使用Lambda函數，而是將其與高階函數一起使用。高階函數是一種需要多個函數來完成任務的函數，或者當一個函數返回任何另一個函數時，可以選擇使用Lambda函數。

什么是高階函數?

通過一個例子來理解高階函數。假設有一個整數列表，必須返回三個輸出。

• 一個列表中所有偶數的和

• 一個列表中所有奇數的和

• 一個所有能被三整除的數的和

首先假設用普通函數來處理這個問題。在這種情況下，將聲明三個不同的變量來存儲各個任務，并使用一個for循環處理并返回結果三個變量。該方法常規可正常運行。

現在使用Lambda函數來解決這個問題，那么可以用三個不同的Lambda函數來檢查一個待檢驗數是否是偶數，奇數，還是能被三整除，然后在結果中加上一個數。

def return_sum(func, lst):result = 0for i in lst:#if val satisfies funcif func(i):result = result + ireturn result lst = [11,14,21,56,78,45,29,28] x = lambda a: a%2 == 0 y = lambda a: a%2 != 0 z = lambda a: a%3 == 0 print(return_sum(x, lst)) print(return_sum(y, lst)) print(return_sum(z, lst))

這里創建了一個高階函數，其中將Lambda函數作為一個部分傳遞給普通函數。其實這種類型的代碼在互聯網上隨處可見。然而很多人在使用Python時都會忽略這個函數，或者只是偶爾使用它，但其實這些函數真的非常方便，同時也可以節省更多的代碼行。接下來我們一起看看這些高階函數。

Python內置高階函數

Map函數

map() 會根據提供的函數對指定序列做映射。

Map函數是一個接受兩個參數的函數。第一個參數 function 以參數序列中的每一個元素調用 function 函數，第二個是任何可迭代的序列數據類型。返回包含每次 function 函數返回值的新列表。

map(function, iterable, ...)

Map函數將定義在迭代器對象中的某種類型的操作。假設我們要將數組元素進行平方運算，即將一個數組的每個元素的平方映射到另一個產生所需結果的數組。

arr = [2,4,6,8] arr = list(map(lambda x: x*x, arr)) print(arr)

我們可以以不同的方式使用Map函數。假設有一個包含名稱、地址等詳細信息的字典列表，目標是生成一個包含所有名稱的新列表。

students = [{"name": "John Doe","father name": "Robert Doe","Address": "123 Hall street"},{"name": "Rahul Garg","father name": "Kamal Garg","Address": "3-Upper-Street corner"},{"name": "Angela Steven","father name": "Jabob steven","Address": "Unknown"} ] print(list(map(lambda student: student['name'], students))) >>> ['John Doe', 'Rahul Garg', 'Angela Steven']

上述操作通常出現在從數據庫或網絡抓取獲取數據等場景中。

Filter函數

Filter函數根據給定的特定條件過濾掉數據。即在函數中設定過濾條件，迭代元素，保留返回值為True 的元素。Map 函數對每個元素進行操作，而 filter 函數僅輸出滿足特定要求的元素。

假設有一個水果名稱列表，任務是只輸出那些名稱中包含字符“g”的名稱。

fruits = ['mango', 'apple', 'orange', 'cherry', 'grapes'] print(list(filter(lambda fruit: 'g' in fruit, fruits)))

filter(function or None, iterable) --> filter object

返回一個迭代器，為那些函數或項為真的可迭代項。如果函數為None，則返回為真的項。

Reduce函數

這個函數比較特別，不是 Python 的內置函數，需要通過from functools import reduce 導入。Reduce 從序列數據結構返回單個輸出值，它通過應用一個給定的函數來減少元素。

reduce(function, sequence[, initial]) -> value

將包含兩個參數的函數(function)累計應用于序列(sequence)的項，從左到右，從而將序列reduce至單個值。

如果存在initial，則將其放在項目之前的序列，并作為默認值時序列是空的。

假設有一個整數列表，并求得所有元素的總和。且使用reduce函數而不是使用for循環來處理此問題。

from functools import reduce lst = [2,4,6,8,10] print(reduce(lambda x, y: x+y, lst)) >>> 30

還可以使用 reduce 函數而不是for循環從列表中找到最大或最小的元素。

lst = [2,4,6,8] # 找到最大元素 print(reduce(lambda x, y: x if x>y else y, lst)) # 找到最小元素 print(reduce(lambda x, y: x if x<y else y, lst))

高階函數的替代方法

列表推導式

其實列表推導式只是一個for循環，用于添加新列表中的每一項，以從現有索引或一組元素創建一個新列表。之前使用map、filter和reduce完成的工作也可以使用列表推導式完成。然而，相比于使用Map和filter函數，很多人更喜歡使用列表推導式，也許是因為它更容易應用和記憶。

同樣使用列表推導式將數組中每個元素進行平方運算，水果的例子也可以使用列表推導式來解決。

arr = [2,4,6,8] arr = [i**2 for i in arr] print(arr) fruit_result = [fruit for fruit in fruits if 'g' in fruit] print(fruit_result)

字典推導式

與列表推導式一樣，使用字典推導式從現有的字典創建一個新字典。還可以從列表創建字典。

假設有一個整數列表，需要創建一個字典，其中鍵是列表中的每個元素，值是列表中的每個元素的平方。

lst = [2,4,6,8] D1 = {item:item**2 for item in lst} print(D1) >>> {2: 4, 4: 16, 6: 36, 8: 64} # 創建一個只包含奇數元素的字典 arr = [1,2,3,4,5,6,7,8] D2 = {item: item**2 for item in arr if item %2 != 0} print(D2) >>> {1: 1, 3: 9, 5: 25, 7: 49}

一個簡單應用

如何快速找到多個字典的公共鍵

方法一

dl = [d1, d2, d3] # d1, d2, d3為字典，目標找到所有字典的公共鍵 [k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))]

例

dl = [{1:'life', 2: 'is'}, {1:'short', 3: 'i'}, {1: 'use', 4: 'python'}] [k for k in dl[0] if all(map(lambda d: k in d, dl[1:]))] # 1

解析

# 列表表達式遍歷dl中第一個字典中的鍵 [k for k in dl[0]] # [1, 2]# lambda 匿名函數判斷字典中的鍵，即k值是否在其余字典中 list(map(lambda d: 1 in d, dl[1:])) # [True, True] list(map(lambda d: 2 in d, dl[1:])) #[False, False]# 列表表達式條件為上述結果([True, True])全為True,則輸出對應的k值 #1

方法二

# 利用集合（set）的交集操作 from functools import reduce # reduce(lambda a, b: a*b, range(1,11)) # 10! reduce(lambda a, b: a & b, map(dict.keys, dl))

寫在最后

目前已經學習了Lambda函數是什么，以及Lambda函數的一些使用方法。隨后又一起學習了Python中的高階函數，以及如何在高階函數中使用lambda函數。除此之外，還學習了高階函數的替代方法：在列表推導式和字典推導式中執行之前操作。雖然這些方法看似簡單，或者說你之前已經見到過這類方法，但你很可能很少使用它們。你可以嘗試在其他更加復雜的函數中使用它們，以便使代碼更加簡潔。

推薦文章

• 李宏毅《機器學習》國語課程(2022)來了

• 有人把吳恩達老師的機器學習和深度學習做成了中文版

• 上癮了，最近又給公司擼了一個可視化大屏(附源碼)

• 如此優雅，4款 Python 自動數據分析神器真香啊

• 梳理半月有余，精心準備了17張知識思維導圖，這次要講清統計學

• 年終匯總：20份可視化大屏模板，直接套用真香(文末附源碼)

技術交流

歡迎轉載、收藏、有所收獲點贊支持一下！

目前開通了技術交流群，群友已超過2000人，添加時最好的備注方式為：來源+興趣方向，方便找到志同道合的朋友

• 方式①、發送如下圖片至微信，長按識別，后臺回復：加群；
• 方式②、添加微信號：dkl88191，備注：來自CSDN
• 方式③、微信搜索公眾號：Python學習與數據挖掘，后臺回復：加群

總結

以上是生活随笔為你收集整理的Python 最频繁使用的4个函数：lambda、 map、filter 和 reduce的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。