lambda表達式是一種匿名函數，對應python中的自定義函數def，是定義某個函數時比較高級的一種寫法。作為python初學者，本文整理了lambda的一些基本用法和特點。
lambda和def的對應關系
定義func函數，計算給定數x的平方
def func(x):
return x*x
等價於
func = lambda x: x*x
其中func是函數名，x是輸入參數，x*x是輸出結果
輸入參數可以有多個，可以接收不定參數如*args或者**kwargs。
f = lambda x, *args, para, **kwargs : [args, para, kwargs] f(1, 2, 3, para='number', name='Jack', sex='male') # 輸出 [(2, 3), 'number', {'name': 'Jack', 'sex': 'male'}]
有時也可以不指定輸入參數，如：
lambda: random.randn()
lambda與map(), filter(), reduce()
lambda表達式返回一個函數，這個函數可以作為其他函數的參數。常用的可以與lambda組合的內置函數有map(), filter(), reduce().
在處理一個可迭代對象如列表，字典等時，可以用map(lambda, x) 代替 for...in...循環，如：
lst = [1, 2, 3, 4, 5] res = [] for i in lst: a = i*i res.append(a)
等價於
res = list(map(lambda x:x*x, lst))
可以看到這里的lambda生成的函數直接作為map函數的function參數，對列表的每一個元素進行平方計算
同理可以將lambda用於filter進行篩選，或者reduce累積運算：
from functools import reduce
lst = [1, 2, 3, 4, 5]
f_res = filter(lambda x: x>3, lst) r_res = reduce(lambda x, y: x*y, lst) print('大於3的數字有：', list(f_res)) print('累乘結果為：', r_res)
輸出結果：
大於3的數字有： [4, 5] 累乘結果為： 120
lambda與if條件判斷
lambda表達式中可以插入if...else進行條件判斷，如
f = lambda x: 'even' if x%2==0 else 'odd'
# f(3)輸出結果 odd
等價於
def f(x):
if x%2==0:
return 'even'
else:
return 'odd'
注意如果在lambda中使用if進行條件判斷，則else是必須聲明的，否則會引起報錯。如果不返回結果可以用 else None 表示。
if...elif...else的多條件判斷也可以用於lambda，但會使得代碼過於復雜，所以不推薦。
lambda在pandas中的使用
lambda函數常用於DataFrame或者Series對象下的map、apply、transform方法
import pandas as pd df = pd.DataFrame({'Age': [22, 21, 22, 21, 20], 'Score': [87, 66, 79, 54, 59]}) df['Pass'] = df.apply(lambda x: 'pass' if x[1]>=60 else 'Not pass', axis=1)
輸出新列 'Pass'，根據成績判斷通過與否，輸出df后結果為：
Age Score Pass 0 22 87 pass 1 21 66 pass 2 22 79 pass 3 21 54 Not pass 4 20 59 Not pass
x為DataFrame對象，當參數axis=1時，x[1]等於第二列。
當用於Series對象時，以上代碼等價於：
df['Pass'] = df['Score'].apply(lambda x: 'pass' if x>60 else 'Not pass')
在pandas中，通過apply，map, transform方法，lambda可以直接應用於Series級別的運算。
當使用applymap方法時，lambda可以應用於DataFrame級別的運算。
lamda的優缺點
lambda的優點：
- 不需要定義函數名（匿名函數）
- 代碼簡潔美觀
- 適用於定義簡單的計算
lambda的缺點：
- 只有一個運算式，不適用於復雜的計算
- 不夠直觀，難於理解，增加了維護成本