DT走过的路

Lambda表达式用于创建匿名函数——即没有名称的临时函数。当你需要一个简单函数且只用一次时，lambda能让代码更简洁。

基本语法

lambda 参数1, 参数2, ... : 表达式

# 普通函数
def add(x, y):
    return x + y
​
# 等价的lambda
add_lambda = lambda x, y: x + y
​
print(add(2, 3))         # 5
print(add_lambda(2, 3))  # 5

特点：

• 只能包含一个表达式，不能写多条语句
• 表达式的计算结果自动返回
• 通常不命名，即用即走

内置高阶函数

高阶函数是指接收函数作为参数的函数。这是lambda最经典的使用场景。

map() — 映射

对可迭代对象的每个元素执行指定操作，返回结果的迭代器。

1. map() 的返回值不是列表，是迭代器对象（map 迭代器）

Python3 中 map(function, iterable) 不会直接生成完整列表，而是返回惰性迭代器 map object：

• 惰性：不一次性计算所有结果，只有遍历的时候才逐个计算；
• 优点：节省内存，处理超大序列不会一次性占用大量空间；
• 缺点：直接打印只会输出对象内存地址，看不到数据，也不能用下标、len ()。
• list(迭代器) 会从头到尾遍历迭代器，把所有计算结果取出存入新列表：

numbers = [1, 2, 3, 4, 5]

# 普通写法
def square(x):
    return x ** 2

result = map(square, numbers)
print(list(result))  # [1, 4, 9, 16, 25]

# lambda写法——更简洁
result = map(lambda x: x ** 2, numbers)
print(list(result))  # [1, 4, 9, 16, 25]

map() 相当于： 对列表每个元素做”转换”。

# 将字符串列表转为长度列表
names = ["Alice", "Bob", "Charlie"]
lengths = map(lambda s: len(s), names)
print(list(lengths))  # [5, 3, 7]
​
# 两个列表对应元素相加
a = [1, 2, 3]
b = [10, 20, 30]
sums = map(lambda x, y: x + y, a, b)
print(list(sums))  # [11, 22, 33]

---

迭代器的特性：只能遍历一次

map 迭代器消耗完就空了，再次遍历无数据：

除了 list，其他能消费迭代器的方式

不想用 list，也可以循环遍历取值：

nums = [1,2,3]
m = map(lambda x:x**2, nums)
for val in m:
    print(val)

对比 Python2 小补充

Python2 的

map

直接返回列表，不需要套 list；

Python3 改成迭代器，是为了内存优化，所以必须手动转列表。

nums = [1,2,3]
m = map(lambda x:x**2, nums)
print(list(m)) # [1,4,9]
print(list(m)) # [] 迭代器已经耗尽

转成 list 后数据永久保存，可以反复读取、切片、取长度。

filter() — 过滤

根据条件筛选可迭代对象中的元素，保留满足条件的。

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
​
# 筛选偶数
evens = filter(lambda x: x % 2 == 0, numbers)
print(list(evens))  # [2, 4, 6, 8, 10]
​
# 筛选长度大于3的字符串
words = ["cat", "elephant", "dog", "butterfly"]
long_words = filter(lambda s: len(s) > 3, words)
print(list(long_words))  # ['elephant', 'butterfly']

filter() 相当于： 按条件”筛选”列表。

# 筛选正数
nums = [-2, -1, 0, 1, 2]
positives = filter(lambda x: x > 0, nums)
print(list(positives))  # [1, 2]

---

sorted() — 排序（指定key）

sorted() 和列表的 .sort() 都支持 key 参数，用于指定”按什么排序”。

words = ["banana", "pie", "Washington", "book"]
​
# 按长度排序
sorted_by_len = sorted(words, key=lambda s: len(s))
print(sorted_by_len)  # ['pie', 'book', 'banana', 'Washington']
​
# 按最后一个字母排序
sorted_by_last = sorted(words, key=lambda s: s[-1])
print(sorted_by_last)  # ['banana', 'pie', 'book', 'Washington']
​
# 降序排序
sorted_desc = sorted(words, key=lambda s: len(s), reverse=True)
print(sorted_desc)  # ['Washington', 'banana', 'book', 'pie']

# 按绝对值排序
nums = [-5, 2, -8, 1, -9]
sorted_by_abs = sorted(nums, key=lambda x: abs(x))
print(sorted_by_abs)  # [1, 2, -5, -8, -9]

---

max() / min() — 极值（指定key）

words = ["apple", "banana", "cherry"]
​
# 找出最长的单词
longest = max(words, key=lambda s: len(s))
print(longest)  # banana
​
# 找出最短的单词
shortest = min(words, key=lambda s: len(s))
print(shortest)  # apple

students = [
    {"name": "Alice", "score": 85},
    {"name": "Bob", "score": 92},
    {"name": "Charlie", "score": 78}
]
​
# 找出分数最高的学生
top_student = max(students, key=lambda s: s["score"])
print(top_student)  # {'name': 'Bob', 'score': 92}

---

reduce() — 累积计算

reduce() 在 functools 模块中，用于将序列逐个累积计算为一个值。

from functools import reduce
​
numbers = [1, 2, 3, 4, 5]
​
# 求和
total = reduce(lambda x, y: x + y, numbers)
print(total)  # 15
​
# 求积
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 120
​
# 求最大值
maximum = reduce(lambda x, y: x if x > y else y, numbers)
print(maximum)  # 5

---