python将lambda函数映射到列表

Question

我的印象是以下代码模式不好

new_data = map(lambda x: f(x, 30), data)

因为lambda函数需要创建len(data)次，因此效率低下。 在这种情况下，以下解决方法是否有帮助？

g = lambda x: f(x, 30)
new_data = map(g, data)

另外，在给定数据很大的情况下，将替换lambda函数与速度的partial帮助？

Answer 1

因为lambda函数需要创建len（数据）次，因此效率低下。

事实并非如此，在示例中，lambda定义仅在编译时评估一次而不是len(data)时间 - 出于性能原因，无需将其分配给名称。 看看谢尔盖的答案，他证明lambda在这种情况下并不昂贵。

如果你想为了清晰起见给它一个名字，你应该只使用def语句。 将lambda分配给名称被认为是错误的样式：根据PEP-8编程建议，您应该“始终使用def语句而不是将lambda表达式直接绑定到标识符的赋值语句”。 引自官方风格指南：

是：

def f(x): return 2*x

没有：

f = lambda x: 2*x:

lambda和单行def之间的唯一区别是def会给它一个名字（可能是一个额外的LOAD_CONST）：

>>> import dis

>>> def _(x):
        return f(x, 30)

>>> dis.dis(_)
  2           0 LOAD_GLOBAL              0 (f)
              2 LOAD_FAST                0 (x)
              4 LOAD_CONST               1 (30)
              6 CALL_FUNCTION            2
              8 RETURN_VALUE

>>> dis.dis(lambda x: f(x, 30))
  1           0 LOAD_GLOBAL              0 (f)
              2 LOAD_FAST                0 (x)
              4 LOAD_CONST               1 (30)
              6 CALL_FUNCTION            2
              8 RETURN_VALUE

如上所示，两种表单都编译为相同的字节码。

lisp启发的函数map ， filter和reduce在Python中总觉得有些陌生。 自列表推导引入（在版本2.0 IINM）后，它们成为实现相同结果的惯用方法。 所以这：

new_data = map(lambda x: f(x, 30), data)

通常写成：

new_data = [f(x, 30) for x in data]

如果数据很大并且你只是迭代它，生成器表达式为cpu交换内存：

for value in (f(x, 30) for x in data):
    do_something_with(value)

像map ， filter和reduce这样的lispy结构可能会被淘汰（转移到functools模块），我建议在新代码中使用list comprehensions和generator表达式。

最后，Python在性能方面令人惊讶地违反直觉。 您应该始终进行分析，以便对您对绩效的看法进行检查。

一句话：永远不要担心“优化”该死的东西，直到你对其进行分析并确定它是一个相关的瓶颈。

Answer 2

Lambda只在map调用时创建一次

In [20]: l = list(range(100000))

In [21]: %timeit list(map(lambda x: x * 2, l))
100 loops, best of 3: 13.8 ms per loop

In [22]: g = lambda x: x * 2

In [23]: %timeit list(map(g, l))
100 loops, best of 3: 13.8 ms per loop

如您所见，执行时间不会改变。