Python Lambda 常用使用方法汇总(结合fliter\map\reduce等函数）

Lambda表达式

Lambda 表达式可以简化函数的使用，比如，需要在基础数值上增加5再返回结果。如果使用def, 如下

def add_20(a):
    return a+20

可以直接使用lambda更加简洁。

var = lambda a : a + 20

print('With argument value 5 : ',var(5))
print('With argument value 10 : ',var(10))

# 可以传多个参数
lambda_add = lambda a, b : a+b

print('The value of 5+3 = ',lambda_add(5,3))
print('The value of 7+2 = ',lambda_add(7,2))

---

字符串拼接

首先将传入的参数定义为first 和last,然后打印出来

full_name = lambda first, last: f'Full name: {first.title()} {last.title()}'
full_name('guido', 'van rossum')

---

筛选过滤：lambda+filter

将满足条件（不可以被2整除）的数字留下

original_list = [5, 17, 32, 43, 12, 62, 237, 133, 78, 21] 

# filter the odd numbers from the list
filtered_list = list(filter(lambda x: (x%2 != 0) , original_list)) 

print('The odd numbers are : ',filtered_list) 

---

修改变量、字符串内容： lambda+Map

修改变量、字符串内容

#所有数字乘以2
original_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# double each number in the original list
mapped_list = list(map(lambda x: x*2 , original_list)) 
print('New List : ',mapped_list)

#首字母大写
original_list = ['analytics','vidhya','king','south','east']
# capatilize first letter of each  word in the original list
mapped_list = list(map(lambda x: x[0].upper()+x[1:] , original_list)) 
print('New List : ',mapped_list)

*Map 函数简介：

map是python内置函数，会根据提供的函数对指定的序列做映射。格式是map(function,iterable,...)
第一个参数接受一个函数名，后面的参数接受一个或多个可迭代的序列，返回的是一个集合。

把函数依次作用在list中的每一个元素上，得到一个新的list并返回。注意，map不改变原list，而是返回一个新list。
比如：

del square(x):
    return x ** 2
 
map(square,[1,2,3,4,5])
 
# 结果如下:
[1,4,9,16,25]

还可以实现类型转换 ,比如

map(int,(1,2,3))
# 结果如下：
[1,2,3]

#字符串转list
map(int,'1234')
# 结果如下：
[1,2,3,4]

---

判断内容并输出指定结果 ： lambda+Map+if

import pandas as pd 
original_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
orginal=pd.DataFrame({'num':original_list})
orginal['mark']=orginal['num'].map(lambda x: '不可被2整除' if (x%2!= 0) else '可以被2整除')

---

累计、迭代运算：lambda + Reduce

# 求累加之和
from functools import reduce
original_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# use reduce function to find the sum of numbers in the original list
sum_of_list = reduce((lambda x, y : x + y), original_list) 
print ('Sum of Numbers in the original list is : ',sum_of_list) 

#找出最大值
original_list = [110, 53, 3, 424, 255, 16, 42, 256]
# use reduce function to find the largest number in the original list
largest_number = reduce((lambda x, y: x if (x > y) else y ), original_list) 
print ('Largest Number in the original list is : ',largest_number) 

*Reduce函数简介：

Reduce语法： reduce（function,sequence[,initial]

Print(help(reduce) ) 说明：
Help on built-in function reduce in module _functools:
reduce(…)
reduce(function, sequence[, initial]) -> value
Apply a function of two arguments cumulatively to the items of a sequence,
from left to right, so as to reduce the sequence to a single value.
For example, reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) calculates
((((1+2)+3)+4)+5). If initial is present, it is placed before the items
of the sequence in the calculation, and serves as a default when the
sequence is empty.

（渣翻文本意思）根据传入的函数式子，按数列从左到右的顺序，不断迭代两个参数的累积值，直到最终输出单一值作为结果。
比如 reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])， 就是计算((((1+2)+3)+4)+5) .
第一轮：x=1,y=2 下一轮迭代结果：1+2=3
第二轮：x=3,y=3 下一轮迭代结果：3+3=6
第三轮：x=6,y=4 下一轮迭代结果：6+4=10
第四轮：x=10,y=5 下一轮迭代结果：10+5=15
第五轮：x=15, y 没有数了， 输出唯一值 ：15

删除逗号、空格：map+lambda+replace

#删除逗号
df['column_name'] = df['column_name'].apply(lambda x: str(x).replace(",","")) 

##删除空格
df[i] = df[i].apply(lambda x: str(x).replace(" ",""))

#批量删除空格
c=['收/支', '支付方式', '当前状态', '交易类型', '账户'] #需要批量删除的列名
for i in c: 
    df[i] = df[i].apply(lambda x: str(x).replace(" ",""))

拆分单元格 ：map+lambda+split

df['日期']=df['时间'].map(lambda x: x.split(' ')[0])
df['小时']=df['时间'].map(lambda x: x.split(' ')[1])