使得程序更加简洁,不用自定义函数
lambda关键字创建匿名函数
基本语法 lambda param__list:expression表示将param_list带入expression运算
冒号左边放原函数参数,有多个参数用逗号隔开,冒号右边放返回值
data = lambda x,y : x + y #匿名加法器
data(3,5) #典型使用
result1=map(lambda x: x*x,[y for y in range(10)]) #0~9的数字平方
result2=fliter(lambda x:x%3==0,[1,2,3,4,5,6]) #筛选1~6能被3整除的数
a=[('b',3),('a',2),('d',4),('c',1)]
sorted(a,key=lambda x:x[0]) #lambda与sorted结合,将元组a按照x[0]排序
sentence = "Welcome To Beijing!"
words = sentence.split()
lengths = map(lambda x:len(x),words) #求每个单词的长度
reduce(lambda a, b: '{}, {}'.format(a, b), [1, 2, 3, 4, 5, 6, 7, 8, 9])
filter是Python里面的过滤器,通过过滤器可以保留所需要的信息
基本语法 filter(function,iterable)
第一个参数可以是一个函数也可以是None,
如果是函数,则将第二个参数里面的每一个元素作为函数参数进行计算,把返回值为True的元素筛选出来
如果是None,则直接将第二个参数里面返回值为True的元素筛选出来
data = filter(None,[1,'存在',0,False]) #筛选非0值
序列中的每个元素作为函数参数运算得到新序列
基本语法 map(function,*iterable)
a = [1,3,5,7,9]
b = [2,4,6,8,10]
list(map(lambda x,y : x * y,a,b))
apply函数的格式为:apply(func,*args,**kwargs)
def function(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'})
apply函数在pandas中处理表格数据有很大作用
#将函数应用到由各列或行形成的一维数组上。DataFrame的apply方法可以实现此功能
f=lambda x:x.max()-x.min()
#默认情况下会以列为单位,分别对列应用函数
t1=df.apply(f)
print(t1)
t2=df.apply(f,axis=1) #对行作用
print(t2)
#元素级的python函数,将函数应用到每一个元素
#将DataFrame中的各个浮点值保留两位小数
f=lambda x: '%.2f'%x
t3=df.applymap(f)
print(t3)