Python Lambda 函数、高阶函数及生成器函数详解
本文深入探讨 python 中 lambda 函数、高阶函数（map()、filter()、reduce()）以及生成器函数的用法和优势。
一、 Lambda 函数
Lambda 函数是 Python 中使用 lambda 关键字定义的匿名函数。它们简洁高效，适用于需要简短函数的场景，尤其在作为高阶函数的参数时非常有用。
语法: lambda 参数: 表达式
示例:
立即学习“Python免费学习笔记（深入）”；
将普通函数转换为 Lambda 函数：
# 普通函数
def add(x, y):
return x + y
# Lambda 函数
add_lambda = lambda x, y: x + y
print(add(10, 20)) # 输出: 30
print(add_lambda(10, 20)) # 输出: 30
另一个例子：
bigger = lambda x, y: x if x > y else y print(bigger(10, 5)) # 输出: 10
二、 高阶函数
Python 中 map()、filter() 和 reduce() 是高阶函数，它们接受另一个函数（例如 Lambda 函数）作为参数，并将其应用于可迭代对象（如列表或元组）。
-
map(): 将函数应用于可迭代对象的每个元素。
numbers = [1, 2, 3, 4, 5] squared_numbers = list(map(lambda x: x**2, numbers)) # 使用 lambda 函数 print(squared_numbers) # 输出: [1, 4, 9, 16, 25]
-
filter(): 根据条件过滤可迭代对象的元素，仅保留返回True的元素。
numbers = [1, 2, 3, 4, 5, 6] even_numbers = list(filter(lambda x: x % 2 == 0, numbers)) # 使用 lambda 函数 print(even_numbers) # 输出: [2, 4, 6]
-
reduce(): 对可迭代对象的元素进行累积操作（例如求和、乘积）。 需要从functools模块导入。
from functools import reduce numbers = [1, 2, 3, 4, 5] sum_of_numbers = reduce(lambda x, y: x + y, numbers) # 使用 lambda 函数 print(sum_of_numbers) # 输出: 15
三、 函数别名
函数别名是指为现有函数赋予另一个名称，从而可以使用不同的名称调用同一个函数。这不会创建新的函数，只是创建了指向同一函数对象的另一个引用。
def greet(name):
print(f"Hello, {name}!")
hello = greet # 函数别名
hello("World") # 输出: Hello, World!
四、 装饰器
装饰器是一种修改其他函数行为而不改变其源代码的函数。它接收另一个函数作为参数，并返回一个增强功能的新函数。 @ 符号用于应用装饰器。
def my_decorator(func):
def wrapper():
print("Before function execution")
func()
print("After function execution")
return wrapper
@my_decorator
def say_hello():
print("Hello!")
say_hello()
输出：
Before function execution Hello! After function execution
五、 生成器函数
生成器函数使用 yield 关键字而不是 return 关键字返回迭代器。它允许按需生成值，而不是一次性将所有值存储在内存中，从而提高内存效率，尤其在处理大型数据集时。
def my_generator(n):
for i in range(n):
yield i
for i in my_generator(5):
print(i) # 输出: 0 1 2 3 4
生成器函数的优势：
- 内存效率高：按需生成值。
- 执行速度快：避免创建完整的列表。
- 惰性求值：仅在需要时计算值。
- 可以处理无限序列。
通过理解和运用 Lambda 函数、高阶函数和生成器函数，可以编写更简洁、高效和可读性更强的 Python 代码。
