Python匿名函数详解

lambda这个名称来自于LISP，而LISP则是从lambda calculus(一种符号逻辑形式)取这个名称的。在Python中，

lambda作为一个关键字，作为引入表达式的语法。想比较def函数，lambda是单一的表达式，而不是语句块!

你仅能够在lambda中封装有限的业务逻辑，这样设计的目的:让lambda纯粹为了编写简单的函数而设计，def则

专注于处理更大的业务。

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(一种生成函数对象的表达式形式，因为她和LISP语言很相似，所以取名字为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:

lambda argument1, argument2,... argumentN :expression using arguments

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
<function func at 0x0000000002F48DD8>
>>> lambda x: x+y
<function <lambda> 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<y else y
>>> 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. 和def函数一起使用，注意其参数传递

>>> def sayHello():
...     title = 'Hello, '
...     union = (lambda x: title + '' + x + '!')
...     return union
...
>>> f = sayHello()  #此处无需带参数
>>> f('Jerry')      #通过修改默认参数来传递参数
'Hello, Jerry!'

• 例17. 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

import time

# 测试的Def函数
def square1(n):
    return n ** 2

# 测试的Lambda函数
square2 = lambda n: n ** 2

print(time.time())

# 使用Def函数
i = 0
while i < 1000000000:
    square1(100)
    i += 1

print(time.time())

# 使用lambda函数
i = 0
while i < 1000000000:
    square2(100)
    i += 1

print(time.time())

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.

晦涩属性:

出于简明的考虑，避免在lambda中嵌套lambda

>>> action = (lambda x: (lambda y: x+ y))
>>> action(99)(2)
101

像上面的例子，出于代码的简洁性考虑，最好换成下面的

>>> def f(x):
...   return (lambda y: x + y)
...
>>> g = f(99)
>>> g(2)
101

难点例子:

from itertools import product
map(lambda p: ''.join(i + j for i, j in zip('abcd', p)) + 'e', product(['.', ''], repeat = 4))

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