lambda中python 调用restful python里的lambda怎么用

一、lambda函数也叫匿名函数，即，函数没有具体的名称。先来看一个最简单例子：

def f(x):

return x**2

print f(4)

Python中使用lambda的话，写成这样

g = lambda x : x**2

print g(4)

二、lambda和普通的函数相比，就是省去了函数名称而已，同时这样的匿名函数，又不能共享在别的地方调用。

其实说的没错，lambda在Python这种动态的语言中确实没有起到什么惊天动地的作用，因为有很多别的方法能够代替lambda。

1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。

 

2. 对于一些抽象的，不会别的地方再复用的函数，有时候给函数起个名字也是个难题，使用lambda不需要考虑命名的问题。

3. 使用lambda在某些时候让代码更容易理解。

lambda基础

lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边的返回值。lambda语句构建的其实是一个函数对象，见证一下：

>>> foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]
>>> print filter(lambda x: x % 3 == 0, foo)
[18, 9, 24, 12, 27]
>>> print map(lambda x: x * 2 + 10, foo)
[14, 46, 28, 54, 44, 58, 26, 34, 64]
>>> print reduce(lambda x, y: x + y, foo)
139

在对象遍历处理方面，其实Python的for..in..if语法已经很强大，并且在易读上胜过了lambda。

 

以Mark Lutz著的《Python学习手册》为教程，每天花1个小时左右时间学习，争取两周完成。 --- 写在前面的话

 2013-7-22 21:00 学习笔记

 1，lambda的一般形式是关键字lambda后面跟一个或多个参数，紧跟一个冒号，以后是一个表达式。lambda是一个表达式而不是一个语句。它能够出现在Python语法不允许def出现的地方。作为表达式，lambda返回一个值（即一个新的函数）。lambda用来编写简单的函数，而def用来处理更强大的任务。

 

[python]
1. f = lambda x,y,z : x+y+z  
2. print f(1,2,3)  
3.   
4. g = lambda x,y=2,z=3 : x+y+z  
5. print g(1,z=4,y=5)

输出结果为：

[python] 
1. 6  
2. 10

2，lambda表达式常用来编写跳转表（jump table），就是行为的列表或字典。例如：

[python]
1. L = [(lambda x: x**2),  
2. lambda x: x**3),  
3. lambda x: x**4)]  
4. print L[0](2),L[1](2),L[2](2)  
5.   
6. D = {'f1':(lambda: 2+3),  
7. 'f2':(lambda: 2*3),  
8. 'f3':(lambda: 2**3)}  
9. print D['f1'](),D['f2'](),D['f3']()

输出结果为：

[python] 
1. 4 8 16  
2. 5 6 8

3，lambda表达式可以嵌套使用，但是从可读性的角度来说，应尽量避免使用嵌套的lambda表达式。

4，map函数可以在序列中映射函数进行操作。例如：

 

[python] 
1. def inc(x):  
2. return x+10  
3.       
4. L = [1,2,3,4]  
5. print map(inc,L)  
6.   
7. print map((lambda x: x+10),L)

输出结果为：

[python] 
1. [11, 12, 13, 14]  
2. [11, 12, 13, 14]

5，列表解析可以实现map函数同样的功能，而且往往比map要快。例如：

[python] 
1. print [x**2 for x in range(10)]  
2. print map((lambda x: x**2), range(10))

输出结果为：

[python]
1. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]  
2. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

6，列表解析比map更强大。例如：

[python] 
1. print [x+y for x in range(5) if x%2 == 0 for y in range(10) if y%2 ==1]

输出结果为：

[python] 
1. [1, 3, 5, 7, 9, 3, 5, 7, 9, 11, 5, 7, 9, 11, 13]

7，生成器函数就像一般的函数，但它们被用作实现迭代协议，因此生成器函数只能在迭代语境中出现。例如：

[python] 
1. def gensquares(N):  
2. for i in range(N):  
3. yield i**2  
4.           
5.   
6. for i in gensquares(5):  
7. print i,

输出结果为：

[python]
1. 0 1 4 9 16

8，所有的迭代内容（包括for循环、map调用、列表解析等等）将会自动调用iter函数，来看看是不是支持了迭代协议。

9，生成器表达式就像列表解析一样，但它们是扩在圆括号()中而不是方括号[]中。例如：

 

[python] 
1. for num in (x**2 for x in range(5)):  
2. print num,

输出结果为：

[python] 
1. 0 1 4 9 16

10，列表解析比for循环具有更好的性能。尽管如此，在编写Python代码时，性能不应该是最优先考虑的。

11，没有return语句时，函数将返回None对象。

 

12，函数设计的概念：

 

• 耦合性：只有在真正必要的情况下才使用全局变量
• 耦合性：不要改变可变类型的参数，除非调用者希望这样做
• 耦合性：避免直接改变另一个文件模块中的变量
• 聚合性：每一个函数都应有一个单一的、统一的目标

 

13，最后给个默认参数和可变参数的例子：

 

[python]
1. def saver(x=[]):  
2. 1)  
3. print x  
4.       
5. saver([2])  
6. saver()  
7. saver()  
8. saver()

输出结果为：

[python]
1. [2, 1]  
2. [1]  
3. [1, 1]  
4. [1, 1, 1]