Lambda 函数是 Python 中的匿名函数。当你需要完成一件小工作时，在本地环境中使用它们可以让工作得心应手。有些人将它们简称为 lambdas，它们的语法如下：
lambda arguments: expression
lambda 关键字可以用来创建一个 lambda 函数，紧跟其后的是参数列表和用冒号分割开的单个表达式。例如，lambda x: 2 * x 是将任何输入的数乘2，而 lambda x, y: x+y 是计算两个数字的和。语法十分直截了当，对吧？
假设您知道什么是 lambda 函数，本文旨在提供有关如何正确使用 lambda 函数的一些常规准则。
# 1. 不要返回任何值
看看语法，您可能会注意到我们在 lambda 函数中并没有返回任何内容。这都是因为 lambda 函数只能包含一个表达式。然而，使用 return 关键字会构成不符合规定语法的语句，如下所示：
>>> integers = [(3, -3), (2, 3), (5, 1), (-4, 4)] >>> sorted(integers, key=lambda x: x[-1]) [(3, -3), (5, 1), (2, 3), (-4, 4)] >>> sorted(integers, key=lambda x: return x[-1]) ... File "<input>", line 1 sorted(integers, key=lambda x: return x[-1]) ^ SyntaxError: invalid syntax
该错误可能是由于无法区分表达式和语句而引起的。像是包含 return、try、 with 以及 if 的语句会执行特殊动作。然而，表达式指的是那些可以被计算出一个值的表达，例如数值或其他 Python 对象。
通过使用 lambda 函数，单个表达式会被计算为一个值并且参与后续的计算，例如由 sorted 函数排序。
# 2. 不要忘记更好的选择
lambda 函数最常见的使用场景是将它作为一些内置工具函数中 key 的实参，比如上面展示的 sorted() 和 max()。根据情况，我们可以使用其他替代方法。思考下面的例子：
>>> integers = [-4, 3, 7, -5, -2, 6] >>> sorted(integers, key=lambda x: abs(x)) [-2, 3, -4, -5, 6, 7] >>> sorted(integers, key=abs) [-2, 3, -4, -5, 6, 7] >>> scores = [(93, 100), (92, 99), (95, 94)] >>> max(scores, key=lambda x: x[0] + x[1]) (93, 100) >>> max(scores, key=sum) (93, 100)
在数据科学领域，很多人使用 pandas 库来处理数据。如下所示，我们可以使用 lambda 函数通过 map() 函数从现有数据中创建新数据。除了使用 lambda 函数外，我们还可以直接使用算术函数，因为 pandas 是支持的：
>>> import pandas as pd >>> data = pd.Series([1, 2, 3, 4]) >>> data.map(lambda x: x + 5) 0 6 1 7 2 8 3 9 dtype: int64 >>> data + 5 0 6 1 7 2 8 3 9 dtype: int64
# 3. 不要将它赋值给变量
我曾见过一些人将 lambda 函数误认为是简单函数的另一种声明方式，您可能也见过有人像下面这么做：
>>> doubler = lambda x: 2 * x >>> doubler(5) 10 >>> doubler(7) 14 >>> type(doubler) <class 'function'>
对 lambda 函数命名的唯一作用可能是出于教学目的，以表明 lambda 函数的确是和其他函数一样的函数——可以被调用并且具有某种功能。除此之外，我们不应该将 lambda 函数赋值给变量。
为 lambda 函数命名的问题在于这使得调试不那么直观。与其他的使用常规 def 关键字创建的函数不同，lambda 函数没有名字，这也是为什么有时它们被称为匿名函数的原因。思考下面简单的例子，找出细微的区别：
>>> inversive0 = lambda x: 1 / x >>> inversive0(2) 0.5 >>> inversive0(0) Traceback (most recent call last): File "<input>", line 1, in <module> File "<input>", line 1, in <lambda> ZeroDivisionError: division by zero >>> def inversive1(x): ... return 1 / x ... >>> inversive1(2) 0.5 >>> inversive1(0) Traceback (most recent call last): File "<input>", line 1, in <module> File "<input>", line 2, in inversive1 ZeroDivisionError: division by zero
- 当您的代码存在关于 lambda 函数的问题（即 inversive0），Traceback 错误信息只会提示您 lambda 函数存在问题。
- 相比之下，使用正常定义的函数，Traceback会清晰地提示您有问题的函数（即 inversive1）。
与此相关，如果您想多次使用 lambda 函数，最佳实践是使用通过 def 定义的允许使用文档字符串的常规函数。
# 4. 不要忘记列表推导式
有些人喜欢将 lambda 函数和高阶函数一起使用，比如 map 或 filter。思考下面用法示例：
>>> # 创建一个数字列表 >>> numbers = [2, 1, 3, -3] >>> # 使用带有 lambda 函数的 map 函数 >>> list(map(lambda x: x * x, numbers)) [4, 1, 9, 9] >>> # 使用带有 lambda 函数的 filter 函数 >>> list(filter(lambda x: x % 2, numbers)) [1, 3, -3]
我们可以使用可读性更强的列表推导式代替 lambda 函数。如下所示，我们使用列表推导式来创建相同的列表对象。如您所见，与列表推导式相比，之前将 map 或 filter 函数与 lambda 函数一起使用更麻烦。因此，在创建涉及高阶函数的列表时，应考虑使用列表推导式。
>>> # Use list comprehensions >>> [x * x for x in numbers] [4, 1, 9, 9] >>> [x for x in numbers if x % 2] [1, 3, -3]
# 结论
在本文中，我们回顾了使用 lambda 函数可能会犯的四个常见错误。通过避免这些错误，您应该能在代码中正确使用 lambda 函数。
使用 lambda 函数的经验准则是保持简单以及只在本地使用一次。
