Lambda 操作
Lambda操作——有些人喜歡，有些人討厭，還有很多人害怕。當你看完了我們這章的介紹後，我們很自信你會喜歡上它。要不然，你可以去學習Guido van Rossums更喜歡去用的“list comprehensions”（遞推式構造列表）了，因爲他也不喜歡Lambda, map filter 和reduce。
Lambda操作或者lambda函數是一種創建小型匿名函數的方式，即：函數都沒有函數名。這些函數都是投擲(throw-away)函數，即：它們只會在我們需要的地方創建，Lambda函數大部分時間都是與filter(), map() 和 reduce()函數混合使用。Lambda特性被添加到Python是因爲Lisp 程序員的強烈要求。
Lambda函數通常的語法是十分簡單的：
lambda argument_list: expression
參數列表(argument_list)是由逗號分隔的參數列表組成，而上面這個表達式（expression）是一個可以使用這些參數的算術表達式。你能通過把這個函數賦給一個變量來給這個lambda函數一個名字。
下面這個lambda函數的例子返回的是這兩個參數的和：
>>> f = lambda x, y : x + y >>> f(1,1) 2
map() 函數
當與map函數混合使用的時候，lambda操作的優勢就能體現出來了。
map()是一個帶有兩個參數的函數：
r = map(func, seq)
第一個參數func是一個函數名，第二個seq是一個序列（如：list)。
map()將會這個函數應用在序列seq的每一個元素上，然後返回一個被這個函數func改變後的元素的列表
def fahrenheit(T):
return ((float(9)/5)*T + 32)
def celsius(T):
return (float(5)/9)*(T-32)
temp = (36.5, 37, 37.5,39)
F = map(fahrenheit, temp)
C = map(celsius, F)
在上面這個例子中，我們沒有使用lambda，如果使用lambda，我們不需要去定義和命名fahrenheit()和celsius()函數。你能夠從下面的交互過程中看到：
>>> Celsius = [39.2, 36.5, 37.3, 37.8] >>> Fahrenheit = map(lambda x: (float(9)/5)*x + 32, Celsius) >>> print Fahrenheit [102.56, 97.700000000000003, 99.140000000000001, 100.03999999999999] >>> C = map(lambda x: (float(5)/9)*(x-32), Fahrenheit) >>> print C [39.200000000000003, 36.5, 37.300000000000004, 37.799999999999997] >>>
map()能夠應用多個列表，但這些列表必須有相同的長度。map()將會應用它的lambda函數在這些列表的元素上，
如：首先應用在下標爲0的元素上，然後應用在下標爲1的元素上，直到到達下標爲n：
>>> a = [1,2,3,4] >>> b = [17,12,11,10] >>> c = [-1,-4,5,9] >>> map(lambda x,y:x+y, a,b) [18, 14, 14, 14] >>> map(lambda x,y,z:x+y+z, a,b,c) [17, 10, 19, 23] >>> map(lambda x,y,z:x+y-z, a,b,c) [19, 18, 9, 5]
我們可以從上面的例子中看到，參數x的值是來自a列表的，而y的值來自列表b，z的值來自列表c。
Filtering
filter(func, list)函數提供了一種優雅的方式去把函數func返回值爲True的元素過濾出來。
filter(f, l) 需要一個函數f作爲它的第一個參數。f返回一個布爾型的值，如：True或者False。這個函數將會應用在列表l的每一個元素上。只有當f返回True的時候，這個列表中的元素纔會包含在結果列表中。
>>> fib = [0,1,1,2,3,5,8,13,21,34,55] >>> result = filter(lambda x: x % 2, fib) >>> print result [1, 1, 3, 5, 13, 21, 55] >>> result = filter(lambda x: x % 2 == 0, fib) >>> print result [0, 2, 8, 34] >>>
Reducing a List
函數reduce(func, seq)持續的應用函數func在序列上。它將會返回一個值。
一個序列 seq = [ s1, s2, s3, ... , sn ], 調用reduce(func, seq)的工作像這樣：
- 首先，序列的第一、第二個元素將會應用到函數func中，如：func(s1,s2)，這之後這個列表看起來像這樣： [ func(s1, s2), s3, ... , sn ]
- 下一步，函數func將會應用在前一個結果和序列的第三個元素上，如：func(func(s1, s2),s3)，這個列表現在看起來像： [ func(func(s1, s2),s3), ... , sn ]
- 這樣持續下去，直到只剩下一個元素，然後作爲reduce的結果返回這個元素
我們通過下面的例子來闡明這個過程：
>>> reduce(lambda x,y: x+y, [47,11,42,13]) 113
下面這個圖展示了中間的計算步驟：
reduce()舉例
使用reduce來查找一列數字中的最大值
>>> f = lambda a,b: a if (a > b) else b >>> reduce(f, [47,11,42,102,13]) 102 >>>
計算數字1到100的和：
>>> reduce(lambda x, y: x+y, range(1,101)) 5050