您需要按价格对产品进行排序。编写一个单独的命名函数只是为了说“使用价格”，感觉就像是很多仪式。 Python lambda 函数 让您可以在您使用它的地方定义内联的一小段逻辑。

Lambda 很方便，但也很容易过度使用。本指南展示了它们在哪些方面真正有帮助，以及在哪些方面使代码更难阅读。我们在 Python 3.13 上运行了每个示例，显示的输出来自该运行。

什么是 lambda？

lambda 是一个没有名称的函数，用 lambda 关键字编写：

lambda arguments: expression

它接受任意数量的参数并自动返回单个表达式的值。没有 return 关键字，也没有语句主体。

square = lambda x: x * x
print(square(4))                     # 16

print((lambda a, b=10: a + b)(5))    # 15

第二行定义一个带有默认参数的 lambda 并立即调用它。您很少会在实际代码中编写此代码，但它表明 lambda 是一个普通的函数对象。

lambda 与 def

这两个函数产生的行为相同：

square = lambda x: x * x

def square_def(x):
    return x * x

print(square(4), square_def(4))                 # 16 16
print(square.__name__, square_def.__name__)     # <lambda> square_def

看看名字。每个 lambda 都被称为 <lambda>，因此错误消息和日志无法告诉您哪一个失败了。这是每当您想要为函数命名时，PEP 8 等风格指南推荐 def 的主要原因。

用键排序：最佳用途

sorted、min 和 max 等函数接受 key 函数来决定比较什么。这就是 lambda 的闪光点：

products = [("pen", 10), ("bag", 900), ("book", 250)]

sorted(products, key=lambda p: p[1])
# [('pen', 10), ('book', 250), ('bag', 900)]

max(products, key=lambda p: p[1])
# ('bag', 900)

要按多项排序，请返回一个元组。在这里，人们按年龄排序，最年长的排在前面，然后按姓名排序：

people = [{"name": "Asha", "age": 31}, {"name": "Ben", "age": 25},
          {"name": "Dev", "age": 31}]

[p["name"] for p in sorted(people, key=lambda p: (-p["age"], p["name"]))]
# ['Asha', 'Dev', 'Ben']

减号仅反转数字的顺序。有时您根本不需要 lambda，因为现有函数已经完成了这项工作。将默认排序与不区分大小写的排序进行比较：

names = ["Asha", "ben", "Chitra", "dev"]

sorted(names)                  # ['Asha', 'Chitra', 'ben', 'dev']
sorted(names, key=str.lower)   # ['Asha', 'ben', 'Chitra', 'dev']

默认情况下将所有大写单词放在前面。通过 str.lower 可以修复这个问题，无需任何 lambda。 operator 模块提供类似的帮助器，例如 itemgetter(1) 和 lambda p: p[1]。

地图和过滤器

map 将函数应用于每个项目，filter 保留返回 true 的项目。两者都使用 lambda，但将它们与列表理解进行比较：

nums = [1, 2, 3, 4, 5, 6]

list(map(lambda n: n * 10, nums))      # [10, 20, 30, 40, 50, 60]
[n * 10 for n in nums]                 # [10, 20, 30, 40, 50, 60]

list(filter(lambda n: n % 2 == 0, nums))   # [2, 4, 6]
[n for n in nums if n % 2 == 0]            # [2, 4, 6]

结果是相同的，并且大多数 Python 开发人员发现推导式更易于阅读。还要注意，map 和 filter 返回惰性迭代器，因此您需要 list() 才能查看这些值。我们的 Python 列表理解 指南深入介绍了这种风格。 map 仍然可以很好地读取现有的命名函数，如 map(str.strip, lines) 中所示。

减少

functools.reduce 将项目组合成单个值，携带运行结果：

from functools import reduce

reduce(lambda acc, n: acc + n, nums, 0)   # 21
sum(nums)                                 # 21

对于常见作业（例如总计），请使用 sum、max 或 any 等内置函数。对于极少数情况，请保留 reduce，如果 lambda 开始看起来很复杂，请考虑使用普通循环。

lambda 中的条件

您不能在 lambda 中使用 if 语句，但可以使用条件表达式：

label = lambda total: "large" if total >= 1000 else "small"

label(1200), label(300)
# ('large', 'small')

有一个条件就好了。一旦开始嵌套它们，读者就必须努力工作，这是切换到带有普通 if 语句的 def 的明显标志。

返回函数的 Lambda 表达式

函数可以创建并返回一个 lambda，该 lambda 会记住周围环境中的值：

def multiplier(n):
    return lambda x: x * n

double = multiplier(2)
double(7)   # 14

这是因为闭包的作用，我们关于 JavaScript 闭包 的文章用不同的语言解释了闭包。 Python 的 functools.partial 提供了另一种预填充参数的方法。

后期绑定陷阱

这最终几乎吸引了所有人。我们在循环中创建了三个 lambda，期望每个返回自己的数字：

funcs = [lambda: i for i in range(3)]
[f() for f in funcs]

# [2, 2, 2]

所有三个都返回 2。 lambda 在创建时不会捕获 i 的 value。它在 调用 时查找变量，然后循环已完成，将 i 保留为 2。通常的修复方法是将值捕获为默认参数，因为默认值是在定义时计算的：

funcs = [lambda i=i: i for i in range(3)]
[f() for f in funcs]

# [0, 1, 2]

这并不是 lambda 所独有的，因为循环内的 def 的行为方式相同。它只是更频繁地出现在 lambda 中，因为它们通常在循环中创建，例如在附加按钮回调时。

小函数查找表

Lambda 非常适合将名称映射到小型操作的字典：

ops = {
    "add": lambda a, b: a + b,
    "sub": lambda a, b: a - b,
}

ops["sub"](10, 3)   # 7

这可以取代if和elif的长链。 Python 字典 指南涵盖了更多字典模式，operator 模块已经提供了 operator.add 和 operator.sub。

lambda 的限制

• 仅一个表达式。 没有 = 赋值，没有循环，也没有 try 块。
• 没有语句。 正如我们的测试所证实的那样，写入 lambda x: return x 失败并返回 SyntaxError。
• 没有文档字符串或类型提示。 工具和读者获得的帮助较少。
• 更困难的调试。 错误指向 <lambda> 而不是有用的名称。

当然，Lambda 仍然可以引发异常。处理这些问题的方式与处理任何函数的方式相同，如 Python 异常处理 中所述。

何时不使用 lambda

最后一点很重要。值得重用的逻辑值得测试，并且命名函数更容易测试，正如我们的 pytest 教程 所示。

最后的话

好的 lambda 足够短，一目了然，并且使用一次，通常作为参数。排序键就是典型的例子。要检查您自己的代码，请搜索 = lambda，并将其转换为命名函数。然后用 lambda 查看任何 map 或 filter，看看推导式是否读起来更好。

常见问题

继续学习