В прошлый раз мы говорили про методы работы с множествами в Python. Сегодня поговорим про применение lambda-функций в Python. Читайте далее про особенности применения lambda-функций в популярном языке программирования Python.
Что такое lambda-функции и где они чаще всего применяются
Lambda-функции — это анонимные функции (так как при их определении не указывается название), которые содержат лишь одно выражение. Данный тип функций создается через встроенную конструкцию lambda, что не делает их уникальными, так как они не имеют собственного названия, а при их вызове необходимо лишь обратиться к реализованному определенным образом через lambda выражению. Эти функции часто применяются с функциями высшего порядка. Функции высшего порядка в Python — это функции, которые способны применять другие функции в качестве аргументов. Самыми известными функциями высшего порядка в языке Python являются следующие:
filter()— отвечает за фильтрацию элементов по определенному условию. Следовательно, данная функция сохраняет только те элементы, которые удовлетворяют заданному условию. Объектом такого фильтра является итерируемый объект (например, список, строка, множество, массив и т.д.). Функцияfilter()принимает два параметра: имя созданной пользователем функции, и, непосредственно, сам итерируемый объект.map()— это функция высшего порядка, которая позволяет обрабатывать и преобразовывать все элементы в итерируемом объекте без использования цикла. На вход принимает такого же типа параметры, как иfilter().reduce()— это функция высшего порядка, которая применяется к итерируемым объектам, когда необходимо получить результат в виде одного значения (например, сумма всех элементов в списке). На вход принимает такие же параметры, как и предыдущие вышеописанные функции.
Каждую из данных функций мы подробнее рассмотрим ниже.
Особенности применения lambda-функций к функциям высшего порядка: несколько практических примеров
В качестве простейшего примера применения лямда-функций для фильтрации рассмотрим создание нового списка, содержащего только четные числа [1]:
list_1 = [7,9,8,6,4,12,5,56] new_list = list(filter(lambda x: (x%2 == 0) , list_1)) print(new_list) # [8, 6, 4, 12, 56]
Как видно из примера, нам не понадобилось никаких дополнительных методов или циклов для формирования новой последовательности. Рассмотрим также пример для преобразования списка и возведения каждого его элемента в степень 2. Для этого применим функцию map() наряду с лямда-функцией [1]:
list_1 = [7,9,8,6,4,12,5,56] new_list = list(map(lambda x: x**2 , list_1)) print(new_list) # [1, 9, 16, 36, 100, 121, 225, 144, 196]
В следующем примере рассмотрим вычисление суммы всех элементов заданного списка и вывод ее на экран [1]:
from functools import reduce list_1 = [7,9,8,6,4,12,5,56] summ = reduce((lambda x, y: x + y), list_1) print(summ) # 107
Таким образом, благодаря возможности применения лямда-функций и функций высшего порядка, Python обеспечивает разработчика возможностью писать более лаконичный код. Это делает Python универсальным и надежным средством для работы с производительными приложениями, а также с Big Data обработкой.
Computer vision на Python
Код курса
VISI
Ближайшая дата курса
29 июля, 2024
Продолжительность
40 ак.часов
Стоимость обучения
90 000 руб.
Освоить Python на профессиональном уровне в разработчика различных приложений и прочих прикладных областях Data Science вы сможете на практических курсах по Python в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве:
- DPREP: Подготовка данных для Data Mining на Python
- Разработка и внедрение ML-решений
- Графовые алгоритмы. Бизнес-приложения
- Нейронные сети на Python
- NLP с Python
Источники
