sorted()、map()、filter()、reduce() 中的匿名函数：lambda

Python 中的匿名函数的关键字是 lambda，之后是一系列的参数，然后用冒号隔开，最后则是由这些参数组成的表达式。我们通过几个例子看一下它的用法：

>>> sqr = lambda x: x**2
>>> sqr(3)  # 9

对应的常规 def 函数这样定义：

>>> def sqr(x):
        return x**2
>>> sqr(3)  # 9

可以看到，匿名函数 lambda 和常规函数一样，返回的都是一个函数对象(function object)。

Python 主要提供了这么几个函数：sorted()、map()、filter() 和 reduce()，它们通常结合匿名函数 lambda 一起使用。

因为 lambda 表达式可以用在列表推导式中： >>> [(lambda x: x*x)(x) for x in range(10)] >>> [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] lambda 作为 sorted() 函数的参数 >>> s = [(w, 1), (a, 3), (c, 6)] >>> s.sort(key=lambda x: x[1]) # 按列表中元组的第二个元素排序 >>> print(s) >>> [(w, 1), (a, 3), (c, 6)] >>> s_ = sorted(s, key=lambda x: x[0]) # 按列表中元组的第一个元素排序。sorted()不会改变 s本身 >>> print(s_) >>> [(a, 3), (c, 6), (w, 1)] lambda 作为 map() 函数的参数 map(function, iterable) 函数表示，对 iterable 中的每个元素，都运用 function 这个函数，最后返回一个迭代器可供遍历。比如刚才列表的例子，要对列表中的每个元素乘以 2，那么用 map 就可以表示为下面这样： >>> s = [1, 2, 3, 4, 5] >>> list(map(lambda x: x**2, s)) # map()返回的是一个可迭代对象 >>> [1, 4, 9, 16, 25] lambda 作为 filter() 函数的参数 filter(function, iterable) 函数和 map 函数类似，function 同样表示一个函数对象。filter() 函数表示对 iterable 中的每个元素，都使用 function 判断，并返回 True 或者 False，最后将返回 True 的元素组成一个迭代器可供遍历。 举个例子，比如我要返回一个列表中的所有偶数，可以写成下面这样: >>> s = [1, 2, 3, 4, 5] >>> list(filter(lambda x: x % 2 == 0, s)) >>> [2, 4] lambda 可以作为 reduce() 函数的参数 reduce(function, iterable) 函数通常用来对一个集合做一些累积操作。 function 同样是一个函数对象，默认接收两个参数，表示对 iterable 中的每个元素以及上一次调用后的结果运用 function 进行计算，所以最后返回的是一个单独的数值。 举个例子，我想要计算某个列表元素的乘积，就可以用 reduce() 函数来表示： >>> from functools import reduce # python3 之后 reduce 函数放在了这 >>> s = [1, 2, 3, 4, 5] >>> reduce(lambda x, y: x * y, l) # 1*2*3*4*5 = 120 >>> 120 当然，filter() 和 reduce() 的功能，也可以用 for 循环或者列表推导式来实现。 通常来说，在我们想对集合中的元素进行一些操作时，如果操作非常简单，比如相加、累积这种，那么我们优先考虑 map()、filter()、reduce() 这类或者列表推导式的形式。

Python 中的匿名函数 lambda，它的主要用途是减少代码的复杂度。需要注意的是 lambda 是一个表达式，并不是一个语句；它只能写成一行的表达形式，语法上并不支持多行。匿名函数通常的使用场景是：程序中需要使用一个函数完成一个简单的功能，并且该函数只调用一次。

map()、filter() 和 reduce() 三个函数比其他形式（for 循环，列表推导式）的性能，效率是更优的。