python-匿名函数 lambda

表达式和语句的区别：

　　表达式：用一系列的公式去表达一个东西，比如 x+2 ,x **2 等

　　语句：完成 某些功能，比如 条件判断，赋值 等

匿名函数 格式： lambda  argument1,argument2,... : expression

 

lambda是一个表达式，只有一行，不能扩展为多行代码块，只专注于简单的任务（与普通函数各司其职）

使用场景：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。

匿名函数的优点： 对于简单的任务， 使代码  简洁

 

匿名函数  同 普通函数一样，返回的都是一个函数对象

匿名函数一些特殊的用处：

　　　比如，用在列表推导式 ，[(lambda x:x**2)(x) for  x  in  range(1,4)]    结果  [1,4,9]

　　　可以作为某些函数的参数 :  比如 sorted()函数， map()函数， reduce()函数，filter()函数等

 

 

 

---

函数式编程：

　　代码中每一块都是不可变的，函数之间各自独立， 由纯函数组成，对于同一个输入，每次执行的输出都相同 （符合幂等 ）

　　优点：纯函数，幂等性和各自独立，使得代码容易测试、调试

　　缺点：难写，限制比较多

 

python仅支持部分函数式特性，并不是纯粹的函数式编程语言（比如，scala是纯粹的函数式编程语言）

 

python主要提供的函数式 的函数：

　　#如下函数， function 是一个函数对象 ； iterable是一个可迭代的集合   ：  返回值是一个可迭代的对象（迭代器），如果需要得到列表，需要用list() 函数转化一下

　　　　map(function, iterable) : function 有一个参数，  将集合中每一个元素映射为新的值   （ 例如 li = [1,2,3]  res = map(lambda x ：x**2 , li )    结果为 [1,4,9]  ）

　　　　reduce(function, iterable)  ：function有两个参数， 将上次执行的结果  与 当前的元素  根据进行 function中表达式进行运算。（例如 li = [1,2,3] res= reduce(lambda x,y:x+y , li) ,结果是 6  ）

　　　　filter(function, iterable) :  function有一个参数，用来对集合中每一个元素做判断，最后返回符合function条件的元素结合  （例如 li = [1,2,3]  res = filter(lambda x: x%2==0, li)  ,最后结果为 [2]  ）

　　map ,filter , reduce  一般可以和lambda 一起使用

　　以上的函数都是可以用 for 循环，列表推导式 来完成，只是用函数式表达更简洁

 

在数据清洗过程常用lambda 函数：
　　data["工作日"] = data["日期"].map(lambda x: x.weekday())
　　data["工作日"] = data["工作日"].map(lambda x: 1 if x<5 else 0)

　　pandas 对二维数据进行数据分析，某些数据块我们需要用函数如apply applymap transform 等进行临时性一次性的转换变更，以得到最终的分析结果，可以用匿名函数配合，代码更简洁易读高效

 

 

练习： 

　　　　d = {'mike': 10, 'lucy': 2, 'ben': 30}   按照 value 从大到小进行排序

　　　　代码： new_d = dict(sorted(d.items, key = lambda x:x[1] , reverse=True) ) 结果  {'ben': 30, 'mike': 10, 'lucy': 2}