python apply lambda_Python中的 lambda，filter，map，zip，reduce，apply（学习笔记）

1、lambda(创建匿名函数)

lambda只是一个表达式，函数体比def简单很多，很多时候定义def，然后写一个函数太麻烦，这时候就可以用lambda定义一个匿名函数。

lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。

lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。

f = lambda a,b: a if a>b elsebprint(f(6, 8))

2、filter(function, iterable)

filter(function, iterable)：简单的理解为过滤器，需要两个参数，function，和一个可迭代对象(字符串、列表、元组)，过滤器会依次将序列的值传入function中，

如果返回True的话，将其重新生成一个列表返回。

#Python 2.x 返回列表，Python 3.x 返回迭代器

1 list(filter(lambda x:True if x % 3 == 0 else False, range(50)))#在Python 2.x中，无需list()即可返回列表2 [0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48]

3、map(function, iterable, ...)

map()：映射，用法和filter()类似，也是将序列放入函数进行运算，但是，不论运算结果为什么，map()都将忠实反馈，这是map()和filter()的主要区别。请注意，filter()和map()中的function都必要有一个返回值。

x = [1,2,3,4,5]

y= [2,3,4,5,6]

list(map(lambda x,y:(x*y)+2,x,y))#输出：[4, 8, 14, 22, 32]

1 >>> list(map(lambda x:True if x % 3 == 0 else False, range(100)))2 [True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True, False, False, True]

View Code

4、zip([iterable,...])

参数：iterabl -- 一个或多个迭代器; 返回值：返回一个对象 #Python 2.x 返回列表，Python 3.x 返回可迭代对象

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象，这样做的好处是节约了不少的内存。

我们可以使用 list() 转换来输出列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

>>>a = [1,2,3]>>> b = [4,5,6]>>> c = [4,5,6,7,8]>>> zipped = zip(a,b) #返回一个对象

>>>zipped

>>> list(zipped) #list() 转换为列表

[(1, 4), (2, 5), (3, 6)]>>> list(zip(a,c)) #元素个数与最短的列表一致

[(1, 4), (2, 5), (3, 6)]>>> a1, a2 = zip(*zip(a,b)) #与 zip 相反，zip(*) 可理解为解压，返回二维矩阵式

>>>list(a1)

[1, 2, 3]>>>list(a2)

[4, 5, 6]>>>

5、reduce

功能： 对一个序列进行压缩运算，得到一个值。但是reduce在python2的时候是内置函数，到了python3移到了functools模块，所以使用之前需要 from functools import reduce

调用： reduce(function，iterable)，其中function必须传入两个参数，iterable可以是列表或者元组

from functools importreduce

y= [2,3,4,5,6]

reduce(lambda x,y: x + y,y) #直接返回一个值

其计算原理：

先计算头两个元素：f(2, 3)，结果为5；

再把结果和第3个元素计算：f(5, 4)，结果为9；

再把结果和第4个元素计算：f(9, 5)，结果为14；

再把结果和第5个元素计算：f(14, 6)，结果为20；

由于没有更多的元素了，计算结束，返回结果20。

6、apply

功能： 是pandas中的函数，应用对象为pandas中的DataFrame或者Series。大致有两个方面的功能：一是直接对DataFrame或者Series应用函数，二是对pandas中的groupby之后的聚合对象apply函数

调用： apply(function,axis)，function表明所使用的函数，axis表明对行或者列做运算

例子：

importnumpy as np

a= np.random.randint(low=0,high=4,size=(2,4))

data=pd.DataFrame(a)

data.apply(lambda x:x*10)#输出：

总结

1、filter和map都是python内置的函数，可以直接调用，reduce在functools模块，apply在pandas模块

2、要过滤删减序列用filter；要对多个序列做函数运算用map；在pandas里面直接调用apply，尤其是聚合对象，当然还有agg，日后补充。reduce用得少。