Python 匿名函数（Lambda）详解：语法、函数式编程与性能对比
本文深入解析 Python 匿名函数（Lambda）的语法结构与应用场景，重点介绍其在函数式编程中与 map、filter 和 reduce 的配合使用。通过对比常规函数与 Lambda 的性能测试数据，揭示 map+Lambda 在处理列表运算时的效率优势，帮助开发者写出更简洁高效的代码。
在编写 Python 代码时，大多数场景下我倾向于使用 if-else 语句，因为核心逻辑通常由条件判断实现。虽然循环等常见方法也能实现匿名函数的功能，但若想成为 Python 高手，掌握匿名函数是必经之路。匿名函数能让代码更加简洁优雅。
01 什么是匿名函数？
在 Python 中，匿名函数顾名思义是没有名称的函数，主要应用于仅需调用一次的场景。如果程序中只需执行一次简单逻辑，定义普通函数需要经历定义、命名等一系列步骤，而使用匿名函数能显著简化代码结构。
匿名函数的关键字为 lambda，其基本格式如下：
lambda arg1, arg2 ..., argN : expression
其标准格式由 lambda 关键字、逗号分隔的参数列表、冒号以及随后的表达式组成。
下面通过一个简单示例进行说明：
----计算一个数的平方---
>>> lambda x: x**2
<function <lambda> at 0x7f6ebe013a28>
---注意，这个是一个函数的地址---
>>> func=lambda x: x**2
>>> func(2)
4
>>>
>>> func(3)
9利用 lambda 实现对数字 x 的平方运算，在 Python 中，** 符号代表乘方操作。
在上述示例中，x 为参数，冒号后的 x**2 为表达式（expression）。
当然，我们也可以定义普通函数来实现相同的乘方操作。
lambda 与普通函数的关键区别在于，lambda 是一个表达式而非函数或语句。因此，lambda 可用于一些特殊场景，例如以下情况：
我们可以使用 range 函数生成一个列表，代码如下：
>>> a=[ range(10)]
>>> a
[[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]若需对这些数字进行乘方操作，可直接采用以下方式：
>>> b=[(lambda x: x*x)(x) for x in range(10)]
>>> b
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
----如果用函数来实现，会发现报错---
>>> def fun(x):
... return x**2
...
>>>
>>> c=[fun(range(10))]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 2, in fun
TypeError: unsupported operand type(s) for ** or pow(): 'list' and 'int'当然，你也可以通过定义普通函数并使用其他方法实现该过程，如下所示：
>>> def fun2(x):
... return x**2
...
>>> c=[]
>>> for i in range(10):
... c.append(fun2(i))
>>> c
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]相比于前面的 lambda 方式，这种方法显得不够灵活简洁。
02 函数式编程
函数式编程的核心特征是代码块不可变，由相互独立的函数构成，相同输入始终对应相同输出。这种编程范式与 lambda 表达式密切相关。
以下示例展示了如何将列表中的元素全部乘以 2：
>>> l=[1,2,3,4,5]
>>> def double_num(l):
... for index in range(0, len(l)):
... l[index] *= 2
... return l
...
>>> double_num(l)
[2, 4, 6, 8, 10]
>>> l
[2, 4, 6, 8, 10]上述代码并非函数式编程的范例。
原因在于每次输入列表 L 时，L 的值会被直接修改。如果多次调用 double_num 函数，每次执行的结果将不一致。
若要将其改为符合函数式编程规范的代码，应编写如下：
>>> l=[1,2,3,4,5]
>>> def double_num1(l):
... new_list=[]
... for index in l:
... new_list.append(index*2)
... return new_list
...
>>> double_num1(l)
[2, 4, 6, 8, 10]
>>> l
[1, 2, 3, 4, 5]Python 提供了 map、filter 和 reduce 三个常用函数，它们可与 lambda 配合使用以实现函数式编程（注意：这三个函数在 Python 3 环境下使用）。
map 函数 map(function, list)
需要注意的是，这里的 function 既可以是匿名函数，也可以是普通函数。
仍以乘以 2 为例，若使用 map 函数配合 lambda 实现，代码如下：
>>> l = [1, 2, 3, 4, 5]
>>> new_list = map(lambda x: x * 2, l)
>>> for i in new_list:
... print(i)
...
2
4
6
8
10此处的 lambda 也可以替换为普通函数，如下所示：
>>> l = [1, 2, 3, 4, 5]
>>> def double_x(x):
... return x*2
>>> res=map(double_x, l)
>>> for i in res:
... print(i)
...
2
4
6
8
10filter 函数 filter(function, list)
filter 函数主要用于对可迭代对象中的每个元素应用 function 判断，返回结果为 true 的元素，丢弃结果为 false 的元素。以下示例用于筛选集合中的偶数：
>>> l = [1, 2, 3, 4, 5]
>>> new_l=filter(lambda x: x%2==0, l)
>>> for i in new_l:
... print(i)
...
2
4reduce 函数 reduce(function, list)
reduce 主要用于对列表进行累积操作。若需计算某个列表的累计乘积，可采用以下方法：
>>> from functools import reduce
>>> l = [1, 2, 3, 4, 5]
>>> product = reduce(lambda x,y: x*y, l)
>>> product
12003 lambda 的性能如何？
以下示例测试了在不同方案下，使用 lambda、for 循环和新建列表的方法分别对集合元素乘以 2 的计算耗时情况：
[root@VM-0-14-centos ~]# python3 -mtimeit -s'a=range(1000)' 'map(lambda x: x*2, a)'
1000000 loops, best of 3: 0.538 usec per loop
[root@VM-0-14-centos ~]# python3 -mtimeit -s'a=range(1000)' '[x * 2 for x in a]'
10000 loops, best of 3: 122 usec per loop
[root@VM-0-14-centos ~]# python3 -mtimeit -s'a=range(1000)' 'l = []' 'for i in a: l.append(i * 2)'
1000 loops, best of 3: 252 usec per loop结果显示，使用 map+lambda 计算时性能更优。这是因为 map 函数由 C 语言编写，运行时无需经过 Python 解释器，且内部进行了大量优化，因此执行效率更高。
以上就是 Python 匿名函数相关总结的详细内容，更多关于 Python 匿名函数的资料请关注本站其它相关文章！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
