Python编程进阶：高阶函数与Lambda表达式详解

篇首语：本文由编程笔记小编整理，旨在详细解读Python中高阶函数与Lambda表达式的相关知识，并通过具体示例加深理解。

背景：

尽管Python语法简洁易学，但在实际项目中应用时，常常会遇到一些挑战。在研究YouTube-dl源码的过程中，我发现了filter()函数及其内部的lambda表达式的巧妙用法，深受启发，于是决定撰写此文进行总结。

1. 高阶函数

高阶函数是指可以接受其他函数作为参数或返回一个函数的函数。这种特性使得代码更加灵活和可复用，类似于C#中的委托、C++中的函数指针以及Delphi中的事件机制。

例如：

def apply_function(func, *args):
    return func(*args)

def print_items(items):
    print(', '.join(items))

apply_function(print_items, 'liujw', 'male')

上述代码将输出：liujw, male。这表明我们可以通过传递函数作为参数来扩展函数的功能。

2. Lambda表达式

Lambda表达式是一种简洁的方式定义匿名函数，通常用于需要临时创建函数的地方。它以单行形式定义，适用于简单操作。

例如，我们可以将加法函数简化为：

add = lambda x, y: x + y

Lambda表达式支持0至多个参数，但不支持可变参数（如*args和**kwargs）。因此，在需要处理不定数量参数的情况下，建议使用常规的def定义方式。

3. 内置高阶函数

3.1 filter()

filter()函数用于过滤序列中的元素，根据提供的布尔函数返回符合条件的元素。它在处理数据筛选时非常有用。

例如，在YouTube-dl源码中，常用于字典类判断：

matches = list(filter(lambda f: f['ext'] == ext, formats))

再比如，从列表中筛选偶数：

lst = [1, 2, 3, 6, 7, 9, 10, 12, 15, 18]
even_numbers = list(filter(lambda x: x % 2 == 0, lst))
print(even_numbers)

结果为：[2, 6, 10, 12, 18]。

3.2 map()

map()函数将给定的函数应用于序列中的每个元素，并返回一个新的迭代器。如果函数为None，则返回一个包含所有元素的元组列表。

例如，将列表中的每个元素翻倍：

lst = [1, 2, 3, 6, 7, 9, 10, 12, 15, 18]
doubled = list(map(lambda x: x * 2, lst))
print(doubled)

结果为：[2, 4, 6, 12, 14, 18, 20, 24, 30, 36]。

3.3 reduce()

reduce()函数通过二元函数累积地作用于序列中的元素，最终将其缩减为一个单一值。此函数位于functools模块中，需先导入。

例如，求列表中所有元素之和：

from functools import reduce
lst = [1, 2, 3, 6, 7, 9, 10, 12, 15, 18]
total = reduce(lambda x, y: x + y, lst)
print(total)

结果为：83。

3.4 sorted()

sorted()函数用于对可迭代对象进行排序。它可以接受一个比较函数（cmp）、键函数（key）以及是否反转排序顺序（reverse）等参数。

例如，降序排列列表：

lst = [1, 7, 5, 2, 3, 6, 9]
sorted_lst = sorted(lst, key=lambda x: -x)
print(sorted_lst)

结果为：[9, 7, 6, 5, 3, 2, 1]。

参考资料：Python核心编程第二版