您好,登錄后才能下訂單哦!
本文小編為大家詳細(xì)介紹“Python當(dāng)中Lambda函數(shù)怎么使用”,內(nèi)容詳細(xì),步驟清晰,細(xì)節(jié)處理妥當(dāng),希望這篇“Python當(dāng)中Lambda函數(shù)怎么使用”文章能幫助大家解決疑惑,下面跟著小編的思路慢慢深入,一起來學(xué)習(xí)新知識吧。
在Python當(dāng)中,我們經(jīng)常使用lambda關(guān)鍵字來聲明一個匿名函數(shù),所謂地匿名函數(shù),通俗地來講就是沒有名字的函數(shù),具體的語法格式如下所示:
lambda arguments : expression
其中它可以接受任意數(shù)量的參數(shù),但是只允許包含一個表達(dá)式,而該表達(dá)式的運算結(jié)果就是函數(shù)的返回值,我們可以簡單地來寫一個例子:
(lambda x:x**2)(5)
output:
25
那么我們?nèi)绾蝸磉^濾列表當(dāng)中的元素呢?這里就需要將lambda函數(shù)和filter()方法聯(lián)合起來使用了,而filter()方法的語法格式:
filter(function, iterable)
function -- 判斷函數(shù)
iterable -- 可迭代對象,列表或者是字典
其中我們有這么一個列表:
import numpy as np yourlist = list(np.arange(2,50,3))
其中我們想要過濾出2次方之后小于100的元素,我們來定義一個匿名函數(shù),如下:
lambda x:x**2<100
最后出來的結(jié)果如下所示:
list(filter(lambda x:x**2<100, yourlist))
output:
[2, 5, 8]
要是遇上復(fù)雜的計算過程,小編這里還是推薦大家自己自定義一個函數(shù),但若是簡單的計算過程,lambda匿名函數(shù)絕對是最佳的選擇。
map()函數(shù)的語法和上面的filter()函數(shù)相近,例如下面這個匿名函數(shù):
lambda x: x**2+x**3
我們將其和map()方法聯(lián)用起來:
list(map(lambda x: x**2+x**3, yourlist))
output:
[12, 150, 576, 1452, 2940, 5202, ......]
當(dāng)然正如我們之前提到的lambda匿名函數(shù)可以接受多個數(shù)量的參數(shù),我們這里就可以來嘗試一下了,例如有兩組列表,
mylist = list(np.arange(4,52,3)) yourlist = list(np.arange(2,50,3))
我們同樣使用map()方法來操作,代碼如下:
list(map(lambda x,y: x**2+y**2, yourlist,mylist))
output:
[20, 74, 164, 290, 452, 650, 884, 1154, ......]
apply()方法在Pandas的數(shù)據(jù)表格中用的比較多,而在apply()方法當(dāng)中就帶上lambda匿名函數(shù),我們新建一個數(shù)據(jù)表格,如下所示:
myseries = pd.Series(mylist) myseries
output:
04 17 2 10 3 13 4 16 5 19 6 22 7 25 8 28 ...... dtype: int32
apply()方法的使用和前兩者稍有不同,map()方法和filter()方法我們都需要將可迭代對象放入其中,而這里的apply()則不需要:
myseries.apply(lambda x: (x+5)/x**2)
output:
0 0.562500 1 0.244898 2 0.150000 3 0.106509 4 0.082031 5 0.066482 6 0.055785 7 0.048000 ...... dtype: float64
而要是遇到DataFarme表格數(shù)據(jù)的時候,也是同樣地操作
df = pd.read_csv(r'Dummy_Sales_Data_v1.csv') df["Sales_Manager"] = df["Sales_Manager"].apply(lambda x: x.upper()) df["Sales_Manager"].head()
output:
0PABLO 1PABLO 2KRISTEN 3ABDUL 4 STELLA Name: Sales_Manager, dtype: object
并且通過apply()方法處理可是比直接用str.upper()方法來處理,速度來的更快哦!!
那么不適合的場景有哪些呢?那么首先lambda函數(shù)作為一個匿名函數(shù),不適合將其賦值給一個變量,例如下面的這個案例:
squared_sum = lambda x,y: x**2 + y**2 squared_sum(3,4)
相比較而言更好的是自定義一個函數(shù)來進(jìn)行處理:
def squared_sum(x,y): return x**2 + y**2 squared_sum(3,4)
output:
25
而我們遇到如下情景的時候,可以對代碼稍作簡化處理:
import math mylist = [10, 25, 40, 49, 65, 81] sqrt_list = list(map(lambda x: math.sqrt(x), mylist)) sqrt_list
output:
[3.16227766, 5.0, 6.324555320, 7.0, 8.062257748, 9.0]
我們可以將其簡化成:
import math mylist = [10, 25, 40, 49, 65, 81] sqrt_list = list(map(math.sqrt, mylist)) sqrt_list
output:
[3.162277, 5.0, 6.324555, 7.0, 8.062257, 9.0]
如果是Python當(dāng)中的內(nèi)置函數(shù),尤其是例如math這種用于算數(shù)的模塊,可以不需要放在lambda函數(shù)中,可以直接抽出來用
讀到這里,這篇“Python當(dāng)中Lambda函數(shù)怎么使用”文章已經(jīng)介紹完畢,想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領(lǐng)會,如果想了解更多相關(guān)內(nèi)容的文章,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。