python的lambda使用
print sorted(f,key = lambda x:x["name"])。#lambda见下面解释使用时，相当于调用key（x）这个函数，其中x被赋值为传入的对象，在这里是每个子对象字典。返回值为x[0]，而正是按这个返回值排序。
结果如下：
[{'age': 20, 'name': 'abc'}, {'age': 25, 'name': 'ghi'}, {'age': 30, 'name': 'def'}]
lambda这个匿名函数，使用如下：
m = lambda x,y,z: (x-y)*z#x是参数，函数名是标示符m。
print m(3,1,2)#使用时，标示符m作为参数名，,x,y,z作为参数传入。
结果是4
总结，m为函数名，xyz为形参，表达式为返回值
以下引自网络：详解
参考：http://www.cnblogs.com/coderzh/archive/2010/04/30/python-cookbook-lambda.html
lambda函数也叫匿名函数，即，函数没有具体的名称。先来看一个最简单例子：
def f(x):
return x**2
print f(4)
Python中使用lambda的话，写成这样
g = lambda x : x**2
print g(4)
lambda表达式在很多编程语言都有对应的实现。比如C#：
var g = x => x**2
Console.WriteLine(g(4))
那么，lambda表达式有什么用处呢？很多人提出了质疑，lambda和普通的函数相比，就是省去了函数名称而已，同时这样的匿名函数，又不能共享在别的地方调用。其实说的没错，lambda在Python这种动态的语言中确实没有起到什么惊天动地的作用，因为有很多别的方法能够代替lambda。同时，使用lambda的写法有时显得并没有那么pythonic。甚至有人提出之后的Python版本要取消lambda。
回过头来想想，Python中的lambda真的没有用武之地吗？其实不是的，至少我能想到的点，主要有：
1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。
2. 对于一些抽象的，不会别的地方再复用的函数，有时候给函数起个名字也是个难题，使用lambda不需要考虑命名的问题。
3. 使用lambda在某些时候让代码更容易理解。
lambda基础
lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边的返回值。lambda语句构建的其实是一个函数对象，见证一下：
g = lambda x : x**2
print g
<function <lambda> at 0x00AFAAF0>
C#3.0开始，也有了lambda表达式，省去了使用delegate的麻烦写法。C#中的lambda表达式关键字是=>，看下面的一个例子：
var array = new int[] {2, 3, 5, 7, 9};
var result = array.Where(n => n > 3); // [5, 6, 9]
C#使用了扩展方法，才使得数组对象拥有了像Where,Sum之类方便的方法。Python中，也有几个定义好的全局函数方便使用的，他们就是filter, map, reduce。
>>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]
>>>
>>> print filter(lambda x: x % 3 == 0, foo)
[18, 9, 24, 12, 27]
>>>
>>> print map(lambda x: x * 2 + 10, foo)
[14, 46, 28, 54, 44, 58, 26, 34, 64]
>>>
>>> print reduce(lambda x, y: x + y, foo)
139
非lambda不可？
上面例子中的map的作用，和C#的Where扩展方法一样，非常简单方便。但是，Python是否非要使用lambda才能做到这样的简洁程度呢？在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。比如上面map的例子，可以写成：
print [x * 2 + 10 for x in foo]
非常的简洁，易懂。filter的例子可以写成：
print [x for x in foo if x % 3 == 0]
同样也是比lambda的方式更容易理解。
所以，什么时候使用lambda，什么时候不用，需要具体情况具体分析，只要表达的意图清晰就好。一般情况下，如果for..in..if能做的，我都不会选择lambda。
lambda broken?
在数学教学中，经常会使用到lambda，比如有一位老兄就遇到这样一个问题。他想创建一个函数数组fs=[f0,...,f9] where fi(n)=i+n. 于是乎，就定义了这么一个lambda函数：
fs = [(lambda n: i + n) for i in range(10)]
但是，奇怪的是，
>>> fs[3](4)
13
>>> fs[4](4)
13
>>> fs[5](4)
13
结果并没有达到这位老兄的预期，预期的结果应该是：
>>> fs[3](4)
7
>>> fs[4](4)
8
>>> fs[5](4)
9
问题其实出在变量i上。上面的代码换个简单的不使用lambda的缩减版本：
i = 1
def fs(n):
return n + i
print fs(1) # 2
i = 2
print fs(1) # 3
可见，上面没有达到预期的原因是lambda中的i使用的是匿名函数外的全局变量。修改一下：
fs = [(lambda n, i=i : i + n) for i in range(10)]
>>> fs[3](4)
7
>>> fs[4](4)
8
>>> fs[5](4)
9
另一篇转自http://blog.chinaunix.net/uid-796091-id-2035380.html
前几天看到了一行求1000的阶乘的Python代码：
print reduce(lambda x,y:x*y, range(1, 1001))
一下子被python代码的精简与紧凑所折服，故对代码进行了简单的分析。
reduce与range都是Python的内置函数。
range（1，1001）表示生成1到1000的连续整数列表（List）。
reduce（functionA，iterableB），functionA为需要两个变量的函数，并返回一个值。iterableB为可迭代变量，如List等。reduce函数将B中的元素从左到右依次传入函数A中，再用函数A返回的结果替代传入的参数，反复执行，则可将B reduce成一个单值。在此，是将1到1000的连续整数列表传入lambda函数并用两个数的积替换列表中的数，实际的计算过程为：(...((1×2)×3)×4)×...×1000)，最后的结果即1000的阶乘。
下面来介绍一下lambda函数。
lambda函数是一种快速定义单行的最小函数，是从 Lisp 借用来的，可以用在任何需要函数的地方。下面的例子比较了传统的函数与lambda函数的定义方式：
1 >>>deff(x,y):
2 ... returnx*y
3 ...
4 >>>f(2,3)
5 6
6 >>>g=lambdax,y:x*y
7 >>>g(2,3)
8 6
可以看到，两个函数得到的结果一样，而对于实现简单功能的函数来说，使用lambda函数来定义更加精简灵活，还可以直接把函数赋值给一个变量，用变量名来表示函数名。
其实lambda函数在很多时候都是不需要赋值给一个变量的（如前文中求阶乘的过程）。
使用lambda函数还有一些注意事项： lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值。 lambda 函数不能包含命令，包含的表达式不能超过一个。
下面简单演示一下如何使用lambda函数实现自定义排序。
02 age=0
03 gender='male'
04
05 def__init__(self,age,gender):
06 self.age=age
07 self.gender=gender
08 deftoString(self):
09 return'Age:'+str(self.age)+'\tGender:'+self.gender
10
11 List=[People(21,'male'),People(20,'famale'),People(34,'male'),People(19,'famale')]
12 print 'Befor sort:'
13 for p inList:
14 printp.toString()
15
16 List.sort(lambdap1,p2:cmp(p1.age,p2.age))
17 print '\nAfter ascending sort:'
18 for p inList:
19 printp.toString()
20
21 List.sort(lambdap1,p2:-cmp(p1.age,p2.age))
22 print '\nAfter descending sort:'
23 for p inList:
24 printp.toString()
上面的代码定义了一个People类，并通过lambda函数，实现了对包含People类对象的列表按照People的年龄，进行升序和降序排列。运行结果如下：
Befor sort:
Age:21 Gender:male
Age:20 Gender:famale
Age:34 Gender:male
Age:19 Gender:famale
After ascending sort:
Age:19 Gender:famale
Age:20 Gender:famale
Age:21 Gender:male
Age:34 Gender:male
After descending sort:
Age:34 Gender:male
Age:21 Gender:male
Age:20 Gender:famale
Age:19 Gender:famale
