什么是 Lambda 函数？

我们回顾一下 lambda 函数是什么。

lambda 函数是一种匿名函数，意思是它没有函数名,它的语法非常简洁：

lambda arguments: expression

• arguments: 参数列表,和普通函数一样。
• expression: 单个表达式，这个表达式的计算结果就是函数的返回值，注意，lambda 只能包含一个表达式，不能有复杂的逻辑（如 if-else 语句块、for 循环等，但三元运算符是允许的）。

示例： 一个普通的 def 函数：

def add(x, y):
    return x + y

用 lambda 实现：

add_lambda = lambda x, y: x + y
print(add_lambda(3, 5))  # 输出: 8

虽然可以给 lambda 赋值一个变量名，但它通常用完即弃,直接作为参数传递。

为什么要把 Lambda 作为参数传递？

将 lambda 作为参数传递的主要目的是代码简洁性和一次性使用，当你需要传递一个简单的、只有一两行代码的函数时，使用 lambda 可以避免定义一个完整的、有名字的函数，让代码更紧凑、可读性更高。

核心思想： 将“行为”或“操作”作为参数传递给另一个函数。

常见的使用场景

lambda 函数经常和高阶函数（接受函数作为参数的函数）一起使用，最典型的例子就是 Python 的内置函数和一些库（如 pandas）中的函数。

内置函数 sorted()

sorted() 函数可以接受一个 key 参数，key 是一个函数,用于从每个元素中提取一个比较键。

需求： 按照列表中每个字符串的长度进行排序。

words = ["apple", "banana", "cherry", "date", "fig"]
# 方法1：使用 def 定义一个函数
def get_length(s):
    return len(s)
sorted_words1 = sorted(words, key=get_length)
print(sorted_words1)
# 输出: ['fig', 'date', 'apple', 'banana', 'cherry']
# 方法2：使用 lambda 函数（更简洁）
sorted_words2 = sorted(words, key=lambda s: len(s))
print(sorted_words2)
# 输出: ['fig', 'date', 'apple', 'banana', 'cherry']

在这个例子中，sorted() 函数会遍历 words 列表中的每一个元素（"apple"），然后用 lambda s: len(s) 这个函数来处理它，得到它的长度（5）,最后根据这个长度值进行排序。

内置函数 map()

map() 函数会对一个序列中的所有元素应用一个指定的函数,并返回一个迭代器。

需求： 将一个列表中的所有数字都平方。

numbers = [1, 2, 3, 4, 5]
# 方法1：使用 def 定义一个函数
def square(n):
    return n * n
squared_numbers1 = list(map(square, numbers))
print(squared_numbers1)
# 输出: [1, 4, 9, 16, 25]
# 方法2：使用 lambda 函数
squared_numbers2 = list(map(lambda n: n * n, numbers))
print(squared_numbers2)
# 输出: [1, 4, 9, 16, 25]

map(lambda n: n * n, numbers) 的意思是：对 numbers 列表中的每一个元素 n，应用 lambda n: n * n 这个函数。

内置函数 filter()

filter() 函数用于过滤序列，过滤掉不符合条件的元素,返回一个迭代器。

需求： 从一个列表中筛选出所有的偶数。

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 方法1：使用 def 定义一个函数
def is_even(n):
    return n % 2 == 0
even_numbers1 = list(filter(is_even, numbers))
print(even_numbers1)
# 输出: [2, 4, 6, 8, 10]
# 方法2：使用 lambda 函数
even_numbers2 = list(filter(lambda n: n % 2 == 0, numbers))
print(even_numbers2)
# 输出: [2, 4, 6, 8, 10]

filter(lambda n: n % 2 == 0, numbers) 的意思是：检查 numbers 列表中的每一个元素 n，lambda n: n % 2 == 0 返回 True,就保留这个元素。

列表的 sort() 方法

列表的 sort() 方法也支持 key 参数，功能和 sorted() 类似，但它是原地排序（修改原列表）。

需求： 对一个元组列表,按照元组的第二个元素进行排序。

students = [('Alice', 85), ('Bob', 92), ('Charlie', 78)]
# 按照分数（元组的第二个元素，索引为1）从高到低排序
students.sort(key=lambda student: student[1], reverse=True)
print(students)
# 输出: [('Bob', 92), ('Alice', 85), ('Charlie', 78)]

Pandas 库（数据分析）

在数据科学领域，lambda 与 apply、map、transform 等方法结合使用极为频繁。

需求： 在 Pandas DataFrame 中,对某一列的数据进行转换。

import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Score': [85, 92, 78]}
df = pd.DataFrame(data)
# 创建一个新列 'Grade'，根据 Score 来评定等级
df['Grade'] = df['Score'].apply(lambda score: 'A' if score >= 90 else 'B' if score >= 80 else 'C')
print(df)

输出：

      Name  Score Grade
0    Alice     85     B
1      Bob     92     A
2  Charlie     78     C

这里的 df['Score'].apply(...) 对 Score 列中的每一个 score 值，应用了 lambda score: ... 这个逻辑。

Lambda 的优点与缺点

优点：

1. 简洁性：对于简单的函数，lambda 可以用一行代码搞定，避免了 def 的冗长。
2. 即时性：可以在需要的地方直接定义和使用，无需提前声明,代码逻辑更集中。
3. 可读性：对于非常简单的操作，lambda 可以让代码意图更清晰,减少了寻找函数定义的麻烦。

缺点：

1. 功能受限：lambda 只能包含一个表达式，无法实现复杂的逻辑（如循环、异常处理、多行 if-else）。
2. 可读性差：lambda 函数变得复杂（比如参数很多或逻辑很绕），它的可读性会急剧下降,反而不如一个命名函数清晰。
3. 没有文档字符串：lambda 函数不能有 docstring,不方便解释函数的功能。
4. 难以调试：由于没有名字，在调试堆栈中追踪 lambda 会比较困难。

Lambda 与 functools.partial

lambda 还可以用来创建 functools.partial 对象，这是一种“冻结”函数部分参数的技术。

需求： 创建一个只需要一个参数（基数）的乘法函数。

from functools import partial
# 一个普通的乘法函数
def multiply(x, y):
    return x * y
# 使用 lambda 创建一个 "固定" 了第二个参数为 2 的新函数
double = lambda x: multiply(x, 2)
# 使用 functools.partial 实现同样的功能（更符合 Pythonic）
double_partial = partial(multiply, 2)
print(double(5))         # 输出: 10
print(double_partial(5)) # 输出: 10

在这个例子中，lambda x: multiply(x, 2) 和 partial(multiply, 2) 的效果是一样的，都是创建了一个新的函数 double，它只需要一个参数 x，内部会调用 multiply(x, 2)。

核心建议：

• 简单逻辑，用 lambda：当函数体只是一个简单的表达式，且只在一处使用时，lambda 是绝佳选择。
• 复杂逻辑，用 def：当函数逻辑复杂、需要多行代码、需要被多次调用或需要文档说明时，请使用 def 定义一个清晰的、有名字的函数。

掌握 lambda 作为参数的用法，是提升 Python 代码简洁性和表达力的重要一步。