这一章节我们来讨论一下为什么要使用lambda表达式
主要的目的就是提供一个更加简洁的代码结构，但是对于初学者，它可能反而增加阅读的难度
lambda通常应用在行为调整表，也就是行为的列表或者字典，能够按照需求执行不同的代码。
>>> aList=[lambda x:x**2,lambda x:x**3,lambda x:x**4]#list里面是三种幂算法
>>> for func in aList:
print(func(2))
4
8
16
>>>我们看见上面的代码比较简介，而且很可能列表里面的方法只是在这个地方使用，而不在其他地方使用，这样就不用像下面的代码一样定义这么多函数
我们下面给出等价代码：
>>> def test1(x):return x**2
>>> def test2(x):return x**3
>>> def test3(x):return x**4
>>> aList=[test1,test2,test3]
>>> for func in aList:
print(func(2))
4
8
16
>>>两组代码相对比，第一组的结构明显简单很多，而且由于使用lambda表达式使得定义的方法比较少，相对容易管理，因为这三种幂算法只是在这里使用，而不会在其他地方使用
但是，笔者认为，对于初学者，或者不是函数式编程背景的程序员，尽量使用第二种方法，因为维护起来更加简单明了，现在这个时代代码的可阅读性比代码性能、结构来的更加重要，毕竟不是每一个引用的秒请求次数都是那么高的，当然，这只是笔者一点个人意见
上面我们列举了在列表里面的使用，我们下面说说在字典里面的使用
>>> aDict={'a':lambda : 2**2,'b':lambda : 3**2,'c':lambda : 4**2}#根据条件输出
>>> for key in aDict:
print(key+str(aDict[key]()))
b9
c16
a4
>>>如果是作为一种行为选择器，字典可能更加适合，因为它可以根据key来选择不同的表达式，而在列表里面只能选择下标，key比下标来的更加明确
例如：
>>> aDict={'before':lambda : 'before','doing':lambda : 'doing','after':lambda : 'after'}#根据条件输出
>>> for key in aDict:
print(key+':'+str(aDict[key]()))
before:before
after:after
doing:doing
>>>上面的代码展现了一件事情在不同的生命周期需要做的东西，例如有开始的时候、正在进行的时候、做完的时候
上面代码的等价代码：
>>> def before():return 'before'
>>> def doing():return 'doing'
>>> def after():return 'after'
>>> aDict={'before':before,'doing':doing,'after':after}
>>>
>>> for key in aDict:
print(key+':'+str(aDict[key]()))
before:before
after:after
doing:doing
>>>结合lambda与字典，更加适合做分支选择工具
总结：这一章节主要说明了为什么需要用lambda，以及简单介绍lambda结合列表与字典怎样作为行为选择器来使用
这一章节就说到这里，谢谢大家
------------------------------------------------------------------
点击跳转零基础学python-目录
版权声明：本文为博主原创文章，未经博主允许不得转载。