【一不小心就學會Python Lambda匿名函數的3個要點】

王啟樺

2024/09/11 更新2023/09/12 發佈閱讀 12 分鐘

你會在程式裡面寫函數嗎？

通常寫函數的第一個問題，就是要給函數取名字。

名字取得不好，後來調用函數不自然，就會拖垮整個寫程式的效率。

為函數命名，也是一門技術，好的函數命名，就能提高函數被重複使用的頻率。

然而，也是在某些情況下，我們需要「一次性函數」。

沒錯，用完即丟的函數。

這時候就需要Lambda。

學習Lambda是一件其實不會太困難的事情，具體你可以往這三個方面學習：

▋1. lambda是一種回傳數據特定形式的匿名函數。

▋2. 定義一個lambda需要指定參數(Parameters)與表達(Expression)

▋3. lambda的關鍵用法，是在將一個函數作為參數輸入另一個函數，也就是執行泛函操作

而這是我理解這3個方面的方式：

❏ lambda是一種回傳數據特定形式的匿名函數。

lambda 是所謂的「匿名函數 (Anonymous Function)」。

根據維基百科，「匿名函數」是一種不需要與識別符(Identifier)作綁定(Bound)的函數。^[an anonymous function (function literal, lambda abstraction, lambda function, lambda expression or block) is a function definition that is not bound to an identifier.]

這裡的識別符，就是函數的名字；而綁定就是將函數匹配到名字的字串上。

透過 lambda，我們可以省下命名一個函數的工，然後把lambda運算完的結果，儲存到另一個變數中。

這樣的過程十分管用，尤其是在想要對向量或者字典做高階函數運算的時候。

案例一：使用 `map` 來對列表的每一個元素進行平方運算。

要將每個元素平方，但其實不用再額外寫一個「平方函數」，透過lambda，直接用map就可以作用。

squared = map(lambda x: x**2, [1, 2, 3, 4])
print(list(squared))  # 輸出會是 [1, 4, 9, 16]

案例二：使用 `filter` 來過濾出列表中大於 10 的元素。

要比大小，直觀事先對每個元素比大小，把比大小結果的1與0翻譯回來。但透過lambda，可以省去for迴圈以及比大小的過程。

filtered = filter(lambda x: x > 10, [5, 11, 3, 12])
print(list(filtered))  # 輸出會是 [11, 12]

案例三：使用`sorted` 來依照特定規則排序一個元組列表。

要給元組排序是一件苦差事，你要先指定維度，然後在一個一個去比。但透過lambda，可以直接搭配sorted來拿到結果，不用額外寫一個函數去一個一個比。

pairs = [(1, 'one'), (4, 'four'), (3, 'three'), (2, 'two')]
sorted_pairs = sorted(pairs, key=lambda x: x[1])
print(sorted_pairs)  # 輸出會是 [(4, 'four'), (1, 'one'), (3, 'three'), (2, 'two')]

原則上，掌握lambda，你可以寫出更簡潔的Python code，也可以提高可用性。lambda尤其是在處理trivial的運算特別好用！

❏ 定義一個lambda需要指定參數(Parameters)與表達(Expression)

要創造lambda，其語法是

lambda parameters:expression

其中

參數 (Parameters)：是lambda函數要操作的數據
表達(Expression)：是lambda函數要返還的數據

會寫lambda非常有用，可以客製化很多簡單的運算。

例子一：乘法

multiply = lambda x, y: x * y
print(multiply(5, 3))  # Output: 15

例子二：最大值

maximum = lambda x, y: x if x > y else y
print(maximum(5, 8))  # Output: 8

例子三：反轉布林值

negate = lambda x: not x
print(negate(True))  # Output: False
print(negate(False))  # Output: True

例子四：字符串拼接

concatenate = lambda str1, str2: str1 + str2
print(concatenate("Hello, ", "world!"))  # Output: Hello, world!

例子五：串連三個字串的第一個元素

concat_strings = lambda a, b, c: a[0] + b[0] + c[0] 
print(concat_strings("World", "Wide", "Web"))

例子六：拿列表的第一個元素

first_element = lambda x: x[0] if len(x) > 0 else "List is empty"
print(first_element([1, 2, 3]))  # Output: 1
print(first_element([]))  # Output: List is empty

妥善去使用lambda，甚至可以把程式代碼變得更加口語化，讓各種抽象的操作變得更加簡潔，非常值得學習。

❏ lambda的關鍵用法，是在將一個函數作為參數輸入另一個函數，也就是執行泛函操作

泛函(Functional)是一種以「函數」為定義域的映射。

也就是說，每一個泛函要運算時，都要輸入一個函數作為參數，然後輸出我們需要的資訊。

例子一：樣本變異

舉一個統計中常見的例子，是計算「樣本變異 (Sample Variance)」。

將計算樣本變異看為泛函操作，那所需要輸入的函數其實是「取平均後開根號」，因為樣本變異是平均數（平均值）周圍數據點變動的一種度量。簡單來說，樣本變異是數據點與平均值的差值平方的平均。在這個情境下，"取平均後開根號" 的函數可以被看作是一個泛函的參數。

如果將這個操作使用 Python 來實現，我們可以用 lambda 函數來表達：

# 一個簡單的平均數函數
average = lambda arr: sum(arr) / len(arr)

# 樣本變異的泛函
def sample_variance_functional(f, data):
    mean = f(data)  # 使用輸入的函數計算平均數
    return sum((x - mean)**2 for x in data) / (len(data) - 1)

# 使用泛函計算樣本變異
data = [1, 2, 3, 4, 5]
result = sample_variance_functional(average, data)
print("Sample Variance:", result)

在這個例子中，sample_variance_functional 是一個泛函，它接受一個函數 f 和一個數據集 data，然後計算該數據集的樣本變異。這個泛函使用了輸入的函數 f（在這裡是 average）來計算數據集的平均數，然後用這個平均數去計算樣本變異。

這個例子展示了 lambda 函數和泛函的概念是如何結合在一起的。通過這種方式，我們可以將各種不同的函數（比如加權平均，中位數等）作為 sample_variance_functional 的參數，來計算相對應的樣本變異。

這提供了高度的靈活性和可擴展性。我們可以把輸入的函數f替換成其他的函數，可以是weighted_average或者是其他形式的平均，如此來討論更廣義的「變異數 (Variance)」觀念。

例子二：得到一組數字的平方根

假設我們有一個數組，我們想對這個數組的每一個元素取平方根。我們可以定義一個泛函，這個泛函接受一個函數（這裡是取平方根的函數）和一個數組，然後返回一個新的數組。

import math

# 定義一個泛函，這個泛函接受一個函數 f 和一個列表 lst
def map_functional(f, lst):
    return list(map(f, lst))

# 使用 lambda 函數定義取平方根的操作
sqrt_function = lambda x: math.sqrt(x)

# 定義一個數組
numbers = [1, 4, 9, 16, 25]

# 使用泛函計算數組的平方根
sqrt_numbers = map_functional(sqrt_function, numbers)
print("Square roots:", sqrt_numbers)

在這個例子中，map_functional 是一個泛函，它接受一個函數 f 和一個列表 lst。這個泛函用 map 函數來對列表 lst 的每一個元素應用函數 f，然後返回一個新的列表。

這樣，我們就可以使用不同的函數（不只是取平方根）來轉換 numbers 列表。這提供了高度的靈活性，允許我們輕鬆地替換處理數據的邏輯。

例子三：過濾出偶數

我們可以使用 filter 和 lambda 函數來過濾一個列表中的元素。這裡的例子是一個泛函，它接受一個判斷函數（predicate function）和一個列表，然後返回一個只包含符合條件的元素的新列表。

# 定義一個泛函，這個泛函接受一個函數 f 和一個列表 lst
def filter_functional(f, lst):
    return list(filter(f, lst))

# 使用 lambda 函數定義一個判斷是否為偶數的函數
is_even = lambda x: x % 2 == 0

# 定義一個整數列表
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 使用泛函過濾出偶數
even_numbers = filter_functional(is_even, numbers)
print("Even numbers:", even_numbers)