我正在为Data Science训练营准备一个预备课程，它遍历了Lambda关键字，Map并且Filter在该课程的早期就开始起作用了。它为您提供语法以及如何使用它，但是我在寻找为什么和何时使用上下文。以下是其解决方案的示例：
def error_line_traces(x_values, y_values, m, b):
return list(map(lambda x_value: error_line_trace(x_values, y_values, m, b, x_value), x_values))
我感觉好像每次我将他们的解决方案都交给实验室时一样，我已经将单行return解决方案变成了多部分功能。是这种风格还是我应该做的事情？
就个人而言，一张lambda的地图使我感到恶心。只需使用生成器表达式！而且一个lambda映射的列表甚至更糟，因为它可能是列表理解！
def error_line_traces(x_values, y_values, m, b):
return [error_line_trace(x_values, y_values, m, b, x) for x in x_values]
看那是多少更短更清晰！
lambda的过滤器也可以重写为一种理解。例如：
list(filter(lambda x: x>5, range(10)))
[x for x in range(10) if x>5]
这就是说，有良好的用途lambda，map和filter，但通常不结合。list(map(...))根据上下文，Even也可以，例如将字符串列表转换为整数列表：
[int(x) for x in list_of_strings]
list(map(int, list_of_strings))
这些内容既清晰又简洁，因此实际上唯一需要考虑的是阅读您的代码的人是否会熟悉map。
一旦你过去的训练营，请记住，map和filter是迭代器，并做懒的评价，因此，如果你只遍历他们，而不是建立一个列表，他们是出于性能方面的实际优选但发电机执行一样好。
顺便说一句，次要更正：lambda是关键字，而不是函数。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句