Python中lambda表达式的使用案例有哪些?
c = [-13, 14, 5, 5, 18, -2, 13, 15, -3, 10, 9.43, -4.43, 4.57, 8.57, 9.57, -6.14, 2.29, 9.43, 4.14, -5.57]
def fun(lst):
return sorted(lst, key=lambda x: (x < 0, isinstance(x, float), abs(x)))
print(fun©)
上面程序运行结果是:
[5, 5, 10, 13, 14, 15, 18, 2.29, 4.14, 4.57, 8.57, 9.43, 9.43, 9.57, -2, -3, -13, -4.43, -5.57, -6.14]
在本例子中有一句 lambda x: (x < 0, isinstance(x, float), abs(x)),这其实就是 python 里面的 lambda 表达式
1.什么是 lambda 表达式
python 语言中,lambda 表达式就相当于一个只有一句代码的函数:
lambda x: (x < 0, isinstance(x, float), abs(x))
相当于函数:
def fun(x):
return (x < 0, isinstance(x, float), abs(x))
这个函数返回的是一个元组
2.什么是 sorted 函数
sorted 函数第一个参数是要排序的列表,默认会把列表中的元素从小到大进行排序
key 参数接受一个 Callable 对象,比如 lambda 表达式,key 默认值为 None ;如果 key 参数为 lambda 表达式,在对列表中每个元素排序的时候,会执行 lambda 表达式的语句,根据 lambda 表达式的返回值,决定每个元素的大小,这个例子里,其实就是元组和元组比较大小,类似于 (True, False, 19) 和 (True, True, 10) 元组比较大小,默认小的排前面,大的排后面
3.元组大小如何比较
元组比较大小,其实是比较元组中对应元素的大小
比如:
t1=(a1, a2, a3) 和 t2=(b1, b2, b3)
先比较 a1 和 b1 的大小,如果 a1 > b1, 那么 t1 > t2; 如果 a1 < b1,那么 t1 < t2; 如果 a1 == a2, 那么继续比较第二个元素大小,元组的大小由第二个元素大小决定,如果第二个元素也相等,那么比较第三个元素大小,依次类推。。。
4.本案例排序规则是什么
lambda x: (x < 0, isinstance(x, float), abs(x))
这个 lambda 表达式定义的排序规则是:
a. 所有的正数排前面,所有的负数排后面
b. 如果两个数同是正数或者同是负数,那么所有非浮点数排前面,所有浮点数排后面
c. 如果两个数正负数类型相同,是否是浮点数的结果也相同,那么按两个数的绝对值大小比较,绝对值小的排前面,绝对值大的排后面
比如 -5 和 2.3 比较大小
其实是 (-5<0, isinstance(-5, float), abs(-5)) 和 (2.3<0, isinstance(2.3, float), abs(2.3)) 这两个元组比较大小
(-5<0, isinstance(-5, float), abs(-5)) == (True, False, 5)
(2.3<0, isinstance(2.3, float), abs(2.3)) == (False, True, 2.3)
所以相当于
(True, False, 5) 和 (False, True, 2.3) 比较大小
这两个元组比较,(True, False, 5) 是大于 (False, True, 2.3) 的,所以排序的时候 2.3 排前面,-5 排后面。
Python中lambda表达式的使用案例有哪些?
lambda表达式在Python里就是个匿名函数,主要用在需要简单函数对象的场景。我常用的几个地方:
- 配合sort/sorted的key参数:比如按字符串长度排序
words = ['apple', 'banana', 'cherry', 'date']
sorted_words = sorted(words, key=lambda x: len(x))
# 结果:['date', 'apple', 'cherry', 'banana']
- 在map/filter/reduce里:处理集合数据很方便
nums = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, nums)) # [1, 4, 9, 16, 25]
evens = list(filter(lambda x: x % 2 == 0, nums)) # [2, 4]
- 作为回调函数:比如GUI事件处理
button = Button(text="Click", command=lambda: print("Clicked"))
- 在pandas操作中:DataFrame的apply方法经常用
df['new_col'] = df['old_col'].apply(lambda x: x*2 if x>0 else 0)
lambda适合写简单的一次性函数,复杂逻辑还是用def定义常规函数更清晰。
总结:lambda适合简单场景,复杂逻辑用def。
十分清晰,感谢分享

