第python3中apply函數(shù)和lambda函數(shù)的使用詳解Out：['Red','Purple','Green','Blue']

用sorted還能處理首字母不規(guī)范的情況，連排序都省了：

colors=['Red','purple','Green','blue']

print(sorted(colors,key=str.capitalize))

Out:['blue','Green','purple','Red']

還有一個主要原因就是:lambda函數(shù)沒有函數(shù)名稱。所以在代碼交接，項目移植的場景中會給團隊帶來很多困難，多寫個函數(shù)add_one()沒什么壞處，因為大家都很容易理解，知道它是執(zhí)行+1的功能，但是如果團隊里你在自己負責的模塊使用了很多l(xiāng)ambda，會給其他人理解帶來很多麻煩

適合lambda的場景

話又說回來，存在即合理，那么真正需要我們使用lambda的是哪些場景呢：

你需要的方法是很簡單的(+1，字符串拼接等),該函數(shù)不值得擁有一個名字使用lambda表達式，會比我們能想到的函數(shù)名稱更容易理解除了lambda，沒有任何python提供的函數(shù)可以實現(xiàn)目的團隊中所有成員都掌握lambda，大家同意你用

還有一種場景非常適用，就是在給其他人制造自己很專業(yè)的錯覺時，比如：

哎呀，小老弟，聽說你學了Python，知道lambda不？沒聽過？不行啊，白學了！

來來來，讓我給你講講。。。此處省略1萬字

總結

今天為大家九淺一深地講解了lambda的用法和使用場景，所謂九淺一深，就是90%情況下用于創(chuàng)建簡單的匿名函數(shù)，10%的情況稍微復雜（我這個借口找的太好了）

總而言之就是，任何事情都具有兩面性，我們在使用lambda之前應該先停下來，問問自己是不是真的需要它。

當然，如果需要和別人忽悠的時候都是正反一張嘴，lambda是好是壞全看我們自己怎么說，吹牛時請遵守如下原則，屢試不爽：

如果你說一個女大學生晚上賣淫就是可恥，但如果改成一個妓女利用業(yè)余時間努力學習就勵志多了！

lambda也是如此

apply函數(shù)

Python中apply函數(shù)的格式為：apply(func,*args,**kwargs)

當然，func可以是匿名函數(shù)。

用途：當一個函數(shù)的參數(shù)存在于一個元組或者一個字典中時，用來間接的調(diào)用這個函數(shù)，并將元組或者字典中的參數(shù)按照順序傳遞給參數(shù)

解析：args是一個包含按照函數(shù)所需參數(shù)傳遞的位置參數(shù)的一個元組，簡單來說，假如A函數(shù)的函數(shù)位置為A(a=1,b=2),那么這個元組中就必須嚴格按照這個參數(shù)的位置順序進行傳遞(a=3,b=4)，而不能是(b=4,a=3)這樣的順序。kwargs是一個包含關鍵字參數(shù)的字典，而其中args如果不傳遞，kwargs需要傳遞，則必須在args的位置留空。

apply的返回值就是函數(shù)func函數(shù)的返回值。

?舉例

deffunction(a,b):

print(a,b)

apply(function,('good','better'))

apply(function,(2,3+6))

apply(function,('cai','quan'))

apply(function,('cai',),{'b':'caiquan'})

apply(function,(),{'a':'caiquan','b':'Tom'})

輸出結果：

(good,better)

(2,9)

(cai,quan)

(cai,caiquan)

(caiquan,Tom)

對數(shù)據(jù)進行預處理時，大家使用比較多的是apply函數(shù)，apply函數(shù)是pandas庫中的函數(shù)，非常好用的一個函數(shù)相當于循環(huán)遍歷，起到對每一條數(shù)據(jù)進行處理的效果,函數(shù)的參數(shù)可能是DataFrame中的行或者列。

說到apply又不得不說lambda函數(shù)了，這兩個結合來用簡直爽的不行。

lambda關鍵字可以用來創(chuàng)建一個小的匿名函數(shù)

示例：

DataFrame.apply(func,axis=0,broadcast=False,raw=False,

reduce=None,args=(),*kwds)

第一個參數(shù)func是一個函數(shù)，需要自己實現(xiàn)，可以使用lambda匿名函數(shù)，axis默認值為0，axis為0時，會把一列的數(shù)據(jù)進行遍歷。

data[‘cut_review'].apply(lambdax:[iforiinxsifinotinstopwords])

?下面的例子是DataFrame中apply的用法

#函數(shù)應用和映射

importnumpyasnp

importpandasaspd

df=pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['utah','ohio','texas','oregon'])

print(df)

bde

utah-0.6679691.9748010.738890

ohio-0.896774-0.7909140.474183

texas0.0434760.890176-0.662676

oregon0.701109-2.238288-0.154442

#將函數(shù)應用到由各列或行形成的一維數(shù)組上。DataFrame的apply方法可以實現(xiàn)此功能

f=lambdax:x.max()-x.min()

#默認情況下會以列為單位，分別對列應用函數(shù)

t1=df.apply(f)

print(t1)

t2=df.apply(f,axis=1)

print(t2)

b1.597883

d4.213089

e1.401566

dtype:float64

utah2.642770

ohio1.370957

texas1.552852

oregon2.939397

dtype:float64

#除標量外，傳遞給apply的函數(shù)還可以返回由多個值組成的Series

deff(x):

returnpd.Series([x.min(),x.max()],index=['min','max'])

t3=df.apply(f)

#從運行的結果可以看出，按列調(diào)用的順序，調(diào)用函數(shù)運行的結果在右邊依次追加

print(t3)

bde

min-0.896774-2.238288-0.662676

max0.7011091.9748010.738890

#元素級的python函數(shù)，將函數(shù)應用到每一個元素

#將DataFrame中的各個浮點值保留兩位小數(shù)

f=lambdax:'%.2f'%x

t3=df.applymap(f)

print(t3)

bde

utah-0.671.970.74

ohio-0.90-0.790.47

texas0.040.89-0.66

oregon0.70-2.24-0.15

#注意，之所以這里用map,是因為Series有一個元素級函數(shù)的map方法。而dataframe只有applymap。

t4=df['e'].map(f)