250 lines
11 KiB
Markdown
250 lines
11 KiB
Markdown
# 10 | 简约不简单的匿名函数
|
||
|
||
你好，我是景霄。
|
||
|
||
上一节，我们一起学习了Python中的“常规”函数，用途十分广泛。不过，除了常规函数，你应该也会在代码中见到一些“非常规”函数，它们往往很简短，就一行，并且有个很酷炫的名字——lambda，没错，这就是匿名函数。
|
||
|
||
匿名函数在实际工作中同样举足轻重，正确地运用匿名函数，能让我们的代码更简洁、易读。这节课，我们继续Python的函数之旅，一起来学习这个简约而不简单的匿名函数。
|
||
|
||
## 匿名函数基础
|
||
|
||
首先，什么是匿名函数呢？以下是匿名函数的格式：
|
||
|
||
```
|
||
lambda argument1, argument2,... argumentN : expression
|
||
|
||
```
|
||
|
||
我们可以看到，匿名函数的关键字是lambda，之后是一系列的参数，然后用冒号隔开，最后则是由这些参数组成的表达式。我们通过几个例子看一下它的用法：
|
||
|
||
```
|
||
square = lambda x: x**2
|
||
square(3)
|
||
|
||
9
|
||
|
||
```
|
||
|
||
这里的匿名函数只输入一个参数x，输出则是输入x的平方。因此当输入是3时，输出便是9。如果把这个匿名函数写成常规函数的形式，则是下面这样：
|
||
|
||
```
|
||
def square(x):
|
||
return x**2
|
||
square(3)
|
||
|
||
9
|
||
|
||
```
|
||
|
||
可以看到，匿名函数lambda和常规函数一样，返回的都是一个函数对象（function object），它们的用法也极其相似，不过还是有下面几点区别。
|
||
|
||
**第一，lambda是一个表达式（expression），并不是一个语句（statement）**。
|
||
|
||
* 所谓的表达式，就是用一系列“公式”去表达一个东西，比如`x + 2`、 `x**2`等等；
|
||
|
||
* 而所谓的语句，则一定是完成了某些功能，比如赋值语句`x = 1`完成了赋值，print语句`print(x)`完成了打印，条件语句 `if x < 0:`完成了选择功能等等。
|
||
|
||
|
||
因此，lambda可以用在一些常规函数def不能用的地方，比如，lambda可以用在列表内部，而常规函数却不能：
|
||
|
||
```
|
||
[(lambda x: x*x)(x) for x in range(10)]
|
||
# 输出
|
||
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
|
||
|
||
```
|
||
|
||
再比如，lambda可以被用作某些函数的参数，而常规函数def也不能：
|
||
|
||
```
|
||
l = [(1, 20), (3, 0), (9, 10), (2, -1)]
|
||
l.sort(key=lambda x: x[1]) # 按列表中元组的第二个元素排序
|
||
print(l)
|
||
# 输出
|
||
[(2, -1), (3, 0), (9, 10), (1, 20)]
|
||
|
||
```
|
||
|
||
常规函数def必须通过其函数名被调用，因此必须首先被定义。但是作为一个表达式的lambda，返回的函数对象就不需要名字了。
|
||
|
||
**第二，lambda的主体是只有一行的简单表达式，并不能扩展成一个多行的代码块。**
|
||
|
||
这其实是出于设计的考虑。Python之所以发明lambda，就是为了让它和常规函数各司其职：lambda专注于简单的任务，而常规函数则负责更复杂的多行逻辑。关于这点，Python之父Guido van Rossum曾发了一篇[文章](https://www.artima.com/weblogs/viewpost.jsp?thread=147358)解释，你有兴趣的话可以自己阅读。
|
||
|
||
## 为什么要使用匿名函数？
|
||
|
||
理论上来说，Python中有匿名函数的地方，都可以被替换成等价的其他表达形式。一个Python程序是可以不用任何匿名函数的。不过，在一些情况下，使用匿名函数lambda，可以帮助我们大大简化代码的复杂度，提高代码的可读性。
|
||
|
||
通常，我们用函数的目的无非是这么几点：
|
||
|
||
1. 减少代码的重复性；
|
||
|
||
2. 模块化代码。
|
||
|
||
|
||
对于第一点，如果你的程序在不同地方包含了相同的代码，那么我们就会把这部分相同的代码写成一个函数，并为它取一个名字，方便在相对应的不同地方调用。
|
||
|
||
对于第二点，如果你的一块儿代码是为了实现一个功能，但内容非常多，写在一起降低了代码的可读性，那么通常我们也会把这部分代码单独写成一个函数，然后加以调用。
|
||
|
||
不过，再试想一下这样的情况。你需要一个函数，但它非常简短，只需要一行就能完成；同时它在程序中只被调用一次而已。那么请问，你还需要像常规函数一样，给它一个定义和名字吗？
|
||
|
||
答案当然是否定的。这种情况下，函数就可以是匿名的，你只需要在适当的地方定义并使用，就能让匿名函数发挥作用了。
|
||
|
||
举个例子，如果你想对一个列表中的所有元素做平方操作，而这个操作在你的程序中只需要进行一次，用lambda函数可以表示成下面这样：
|
||
|
||
```
|
||
squared = map(lambda x: x**2, [1, 2, 3, 4, 5])
|
||
|
||
```
|
||
|
||
如果用常规函数，则表示为这几行代码：
|
||
|
||
```
|
||
def square(x):
|
||
return x**2
|
||
|
||
squared = map(square, [1, 2, 3, 4, 5])
|
||
|
||
```
|
||
|
||
这里我简单解释一下。函数map(function, iterable)的第一个参数是函数对象，第二个参数是一个可以遍历的集合，它表示对iterable的每一个元素，都运用function这个函数。两者一对比，我们很明显地发现，lambda函数让代码更加简洁明了。
|
||
|
||
再举一个例子，在Python的Tkinter GUI应用中，我们想实现这样一个简单的功能：创建显示一个按钮，每当用户点击时，就打印出一段文字。如果使用lambda函数可以表示成下面这样：
|
||
|
||
```
|
||
from tkinter import Button, mainloop
|
||
button = Button(
|
||
text='This is a button',
|
||
command=lambda: print('being pressed')) # 点击时调用lambda函数
|
||
button.pack()
|
||
mainloop()
|
||
|
||
```
|
||
|
||
而如果我们用常规函数def，那么需要写更多的代码：
|
||
|
||
```
|
||
from tkinter import Button, mainloop
|
||
|
||
def print_message():
|
||
print('being pressed')
|
||
|
||
button = Button(
|
||
text='This is a button',
|
||
command=print_message) # 点击时调用lambda函数
|
||
button.pack()
|
||
mainloop()
|
||
|
||
```
|
||
|
||
显然，运用匿名函数的代码简洁很多，也更加符合Python的编程习惯。
|
||
|
||
## Python函数式编程
|
||
|
||
最后，我们一起来看一下，Python的函数式编程特性，这与我们今天所讲的匿名函数lambda，有着密切的联系。
|
||
|
||
所谓函数式编程，是指代码中每一块都是不可变的（immutable），都由纯函数（pure function）的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出，没有任何副作用。
|
||
|
||
举个很简单的例子，比如对于一个列表，我想让列表中的元素值都变为原来的两倍，我们可以写成下面的形式：
|
||
|
||
```
|
||
def multiply_2(l):
|
||
for index in range(0, len(l)):
|
||
l[index] *= 2
|
||
return l
|
||
|
||
```
|
||
|
||
这段代码就不是一个纯函数的形式，因为列表中元素的值被改变了，如果我多次调用multiply\_2()这个函数，那么每次得到的结果都不一样。要想让它成为一个纯函数的形式，就得写成下面这种形式，重新创建一个新的列表并返回。
|
||
|
||
```
|
||
def multiply_2_pure(l):
|
||
new_list = []
|
||
for item in l:
|
||
new_list.append(item * 2)
|
||
return new_list
|
||
|
||
```
|
||
|
||
函数式编程的优点，主要在于其纯函数和不可变的特性使程序更加健壮，易于调试（debug）和测试；缺点主要在于限制多，难写。当然，Python不同于一些语言（比如Scala），它并不是一门函数式编程语言，不过，Python也提供了一些函数式编程的特性，值得我们了解和学习。
|
||
|
||
Python主要提供了这么几个函数：map()、filter()和reduce()，通常结合匿名函数lambda一起使用。这些都是你需要掌握的东西，接下来我逐一介绍。
|
||
|
||
首先是map(function, iterable)函数，前面的例子提到过，它表示，对iterable中的每个元素，都运用function这个函数，最后返回一个新的可遍历的集合。比如刚才列表的例子，要对列表中的每个元素乘以2，那么用map就可以表示为下面这样：
|
||
|
||
```
|
||
l = [1, 2, 3, 4, 5]
|
||
new_list = map(lambda x: x * 2, l) # [2， 4， 6， 8， 10]
|
||
|
||
```
|
||
|
||
我们可以以map()函数为例，看一下Python提供的函数式编程接口的性能。还是同样的列表例子，它还可以用for循环和list comprehension（目前没有统一中文叫法，你也可以直译为列表理解等）实现，我们来比较一下它们的速度：
|
||
|
||
```
|
||
python3 -mtimeit -s'xs=range(1000000)' 'map(lambda x: x*2, xs)'
|
||
2000000 loops, best of 5: 171 nsec per loop
|
||
|
||
python3 -mtimeit -s'xs=range(1000000)' '[x * 2 for x in xs]'
|
||
5 loops, best of 5: 62.9 msec per loop
|
||
|
||
python3 -mtimeit -s'xs=range(1000000)' 'l = []' 'for i in xs: l.append(i * 2)'
|
||
5 loops, best of 5: 92.7 msec per loop
|
||
|
||
```
|
||
|
||
你可以看到，map()是最快的。因为map()函数直接由C语言写的，运行时不需要通过Python解释器间接调用，并且内部做了诸多优化，所以运行速度最快。
|
||
|
||
接下来来看filter(function, iterable)函数，它和map函数类似，function同样表示一个函数对象。filter()函数表示对iterable中的每个元素，都使用function判断，并返回True或者False，最后将返回True的元素组成一个新的可遍历的集合。
|
||
|
||
举个例子，比如我要返回一个列表中的所有偶数，可以写成下面这样：
|
||
|
||
```
|
||
l = [1, 2, 3, 4, 5]
|
||
new_list = filter(lambda x: x % 2 == 0, l) # [2, 4]
|
||
|
||
```
|
||
|
||
最后我们来看reduce(function, iterable)函数，它通常用来对一个集合做一些累积操作。
|
||
|
||
function同样是一个函数对象，规定它有两个参数，表示对iterable中的每个元素以及上一次调用后的结果，运用function进行计算，所以最后返回的是一个单独的数值。
|
||
|
||
举个例子，我想要计算某个列表元素的乘积，就可以用reduce()函数来表示：
|
||
|
||
```
|
||
l = [1, 2, 3, 4, 5]
|
||
product = reduce(lambda x, y: x * y, l) # 1*2*3*4*5 = 120
|
||
|
||
```
|
||
|
||
当然，类似的，filter()和reduce()的功能，也可以用for循环或者list comprehension来实现。
|
||
|
||
通常来说，在我们想对集合中的元素进行一些操作时，如果操作非常简单，比如相加、累积这种，那么我们优先考虑map()、filter()、reduce()这类或者list comprehension的形式。至于这两种方式的选择：
|
||
|
||
* 在数据量非常多的情况下，比如机器学习的应用，那我们一般更倾向于函数式编程的表示，因为效率更高；
|
||
|
||
* 在数据量不多的情况下，并且你想要程序更加Pythonic的话，那么list comprehension也不失为一个好选择。
|
||
|
||
|
||
不过，如果你要对集合中的元素，做一些比较复杂的操作，那么，考虑到代码的可读性，我们通常会使用for循环，这样更加清晰明了。
|
||
|
||
## 总结
|
||
|
||
这节课，我们一起学习了Python中的匿名函数lambda，它的主要用途是减少代码的复杂度。需要注意的是lambda是一个表达式，并不是一个语句；它只能写成一行的表达形式，语法上并不支持多行。匿名函数通常的使用场景是：程序中需要使用一个函数完成一个简单的功能，并且该函数只调用一次。
|
||
|
||
其次，我们也入门了Python的函数式编程，主要了解了常见的map()，fiilter()和reduce()三个函数，并比较了它们与其他形式（for循环，comprehension）的性能，显然，它们的性能效率是最优的。
|
||
|
||
## 思考题
|
||
|
||
最后，我想给你留下两道思考题。
|
||
|
||
第一问：如果让你对一个字典，根据值进行由高到底的排序，该怎么做呢？以下面这段代码为例，你可以思考一下。
|
||
|
||
```
|
||
d = {'mike': 10, 'lucy': 2, 'ben': 30}
|
||
|
||
```
|
||
|
||
第二问：在实际工作学习中，你遇到过哪些使用匿名函数的场景呢？
|
||
|
||
欢迎在留言区写下你的答案想法，与我讨论，也欢迎你把这篇文章分享给你的同事、朋友。
|
||
|