python里lambda和filter和map的用法_python中lambda以及与filter／map／reduce结合的用法

一、lambda函数即匿名函数，和普通的函数相比，就是省去了函数名称而已；

lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边是函数体的返回值

g = lambda x,y : x+y

print g(1,2)

与函数等同：

def f(x,y):

return x+y

print f(1,2)

二、lambda函数作用：

1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。

2. 对于一些抽象的，无需复用的函数，使用lambda不需要考虑命名的问题。

3. 使用lambda在某些时候让代码更容易理解。

三、应用

A、与filter结合

filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。

语法

以下是 filter() 方法的语法:

filter(function,iterable)

参数

function -- 判断函数。

iterable -- 可迭代对象，每个元素作为参数传递给函数进行判

返回值

最后将判断函数返回 True 的元素放到新列表中。

python2中返回的是过滤后的列表, 而python3中返回到是一个filter类

filter类实现了__iter__和__next__方法, 可以看成是一个迭代器, 有惰性运算的特性, 相对python2提升了性能, 可以节约内存.

举例：过滤出列表中的所有奇数：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

defis_odd(n):

returnn% 2== 1

newlist= filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

print(newlist)

结果：[1,3,5,7,9]

(python3)

使用lambda

a =filter(lambdax:x %2==1,range(10))

print(a)

B、与reduce结合

reduce() 函数会对参数序列中元素进行累积。

reduce() 函数语法：

reduce(function,iterable[,initializer])

函数将一个数据集合(链表，元组等)中的所有数据进行下列操作：。

参数

function -- 函数，有两个参数

iterable -- 可迭代对象

initializer -- 可选，初始参数

返回值

用传给 reduce 中的函数 function(有两个参数)先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，返回最后得到一个结果举例：列表数据相加

>>>defadd(x, y): # 两数相加

returnx+ y...

>>> reduce(add, [1,2,3,4,5])# 计算列表和：1+2+3+4+515

使用lambda

>>> reduce(lambdax, y: x+y, [1,2,3,4,5])# 使用 lambda 匿名函数15

C、与map结合

map() 会根据提供的函数对指定序列做映射。

语法

map() 函数语法：

map(function,iterable,...)

参数

function -- 函数，有两个参数

iterable -- 一个或多个序列

返回值

第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表

Python 2.x 返回列表。

Python 3.x 返回迭代器。

实例

以下实例展示了 map() 的使用方法：

>>>defsquare(x): # 计算平方数

returnx** 2

>>> map(square, [1,2,3,4,5])# 计算列表各个元素的平方

[1, 4, 9, 16, 25]

使用lambda

>>> map(lambdax: x** 2, [1, 2, 3, 4, 5])# 使用 lambda 匿名函数[1, 4, 9, 16, 25]

# 提供了两个列表，对相同位置的列表数据进行相加

>>> map(lambdax, y: x+ y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])

[3, 7, 11, 15, 19]

在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。