如何分析Python中的Lambda和Map及Reduce

这篇文章给大家介绍如何分析Python中的Lambda和Map及Reduce，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

今天要和大家分享的是Python匿名函数（anonymous functions），也叫lambda函数。匿名函数的意思就是说这个函数没有显式的函数名，因为一般在Python中定义函数的时候都是这个样子的，def function_name(参数列表): balabalaba。暂且把具有function_name的函数称作常规函数，而匿名函数就称作lambda函数。匿名函数没有显式的函数名，但是有显式的lambda标志，写了lambda的函数就可以称作匿名函数。一般情况大家不愿意用匿名函数（因为他

们不会用！），但是无论是Python的书还是网络教程，都会讲这个，而且是开始比较基础的部分，而匿名函数刚开始学又比较抽象，所以有必要给大家安利一下这个坑到底是什么！下面开始栗子讲解.

# lambda

"""
>>> def function_1(x, y):
       return x + y

>>> function_2 = lambda x,y: x + y
>>>
>>> function_1(1,2)
3
>>> function_2(1,2)
3
"""

通过这个栗子我们发现，function_1和function_2都可以用相同方式来调用。

区别在于匿名函数没有return语句，而匿名函数的返回值就是它定义的表达式。

匿名函数的生存周期就是在当前行，就是在那定义的，就在那里用，过了这村，后面就再不用他了。这也暗示了匿名函数为啥没有函数名，因为不会再用它啊，取个名字也是浪费感情。

# map()函数说明

一般和lambda表达式同时出现的还有map和reduce函数，接下来我们再看看

这是什么鬼。你可能听说过Hadoop里面的Map-Reduce过程，这里的和那个的

原理是类似的。map的意思不太好翻译，这样理解一下，有一个函数A，一个需要计算的对象B，把A map一下到B那么都对B里的每一个元素都使用了函数A。

接下来举个计算三角函数值的栗子。

import math
def function_5(x):
    return math.sin(x)

>>> list_1 = [-math.pi/4, math.pi/4]
>>> map(function_5, list_1)
[-0.7071067811865475, 0.7071067811865475]

如果我们不用常规函数，而是用lambda表达式，则

>>> map(lambda x: math.sin(x), list_1)

原来要用3行的代码，现在只要1行就可以搞定。

# reduce函数

如果我们直接reduce刚才定义的函数，看下会发生什么。

>>> reduce(function_5, list_a)

Traceback (most recent call last):
  File "", line 1, in 
    reduce(function_5, list_a)
TypeError: function_5() takes exactly 1 argument (2 given)

TypeError，类型错误，它说function_5本来只要1个参数，而你给了2个。

哪里来的两个？因为我们的list_1中有2个元素，就是这么来的。

# reduce的语法是：

reduce(function, seq)

reduce会根据function的表达式，来依次计算seq中的元素。

还是举个栗子好了。

>>> reduce(lambda x,y: x+y, [47,11,42,13])
113
113 <== (((47 + 11) + 42) + 13)

# 计算一下1到100的和。
>>> reduce(lambda x, y: x+y, range(1,101))
5050

刚才我们的map函数返回值是多个，而reduce则只返回一个值。注意这里的区别。

# 是不是很简单 ?

在Python 3里面，reduce函数被放到了functools模块里面，要用的话，需要from functools import reduce。

关于如何分析Python中的Lambda和Map及Reduce就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。