文章目录
- 1. 实战目标
- 2. 核心知识点
- 2.1 Lambda表达式
- 2.1.1 概念
- 2.1.2 语法
- 2.1.3 示例
- 2.2 map() 函数
- 2.2.1 概念
- 2.2.2 语法
- 2.2.3 示例
- 2.3 组合使用：map + lambda
- 3. 实战演示
- 3.1 数值处理 —— 每个数翻倍
- 3.2 字符串清洗 —— 去除空格并转小写
- 3.3 多列表操作 —— 对应元素相加
- 3.4 列表过滤后处理
- 4. Lambda + Map vs 列表推导式
- 4.1 对比
- 4.2 建议
- 4.3 利用列表推导式
- 4.3.1 数值处理 —— 每个数翻倍
- 4.3.2 字符串清洗 —— 去除空格并转小写
- 4.3.3 多列表操作 —— 对应元素相加
- 4.3.4 列表过滤后处理
- 5. 课后练习 - 两种方式实现
- 6. 实战总结
1. 实战目标
- 理解 lambda 表达式的基本语法
- 掌握 map() 函数与 lambda 的结合使用
- 能够对列表中的每个元素执行统一操作（如数学运算、字符串处理等）
- 对比 map + lambda 与列表推导式的优劣，学会合理选择
2. 核心知识点
2.1 Lambda表达式
2.1.1 概念
- 匿名函数，用于定义简单的一行函数
2.1.2 语法
- lambda 参数: 表达式
2.1.3 示例
- 利用lambda实现元素翻倍
2.2 map() 函数
2.2.1 概念
- 将一个函数应用到可迭代对象（如列表）的每一个元素，返回一个 map 对象（迭代器），需转为 list 才能查看结果
2.2.2 语法
- map(function, iterable)
2.2.3 示例
- 将翻倍匿名函数作用于列表
2.3 组合使用：map + lambda
- 将字符串列表每个元素转换成大写
3. 实战演示
3.1 数值处理 —— 每个数翻倍
3.2 字符串清洗 —— 去除空格并转小写
3.3 多列表操作 —— 对应元素相加
3.4 列表过滤后处理
- 列表偶数元素翻倍
- 列表偶数元素求和
4. Lambda + Map vs 列表推导式
4.1 对比
| 方法 | 代码示例 | 优点 | 缺点 |
|---|---|---|---|
| map + lambda | list(map(lambda x: x*2, nums)) | 函数式风格，适合链式操作 | 可读性稍差，需转换类型 |
| 列表推导式 | [x*2 for x in nums] | 更 Pythonic，简洁直观 | 不适合复杂逻辑 |
4.2 建议
- 简单操作 → 优先用 列表推导式
- 需要与其他函数式工具（如 filter, reduce）组合 → 可用 map + lambda
4.3 利用列表推导式
4.3.1 数值处理 —— 每个数翻倍
4.3.2 字符串清洗 —— 去除空格并转小写
4.3.3 多列表操作 —— 对应元素相加
4.3.4 列表过滤后处理
列表偶数元素翻倍
列表偶数元素求和
5. 课后练习 - 两种方式实现
- 将列表 [‘1’, ‘2’, ‘3’] 转换为整数列表
- 计算每个字符串的长度：[‘apple’, ‘banana’, ‘cherry’]
- 对列表 [10, 20, 30] 每个元素加 5 后再乘以 2
6. 实战总结
- 本次实战深入讲解了 Python 中
lambda表达式与map()函数的结合使用，掌握了对列表元素进行统一操作的核心技巧，包括数值运算、字符串处理、多列表对应元素计算及带过滤条件的数据转换。通过对比map + lambda与列表推导式，明确了两者在可读性、性能和适用场景上的差异：列表推导式更简洁直观，适合大多数日常任务；而map + lambda在函数式编程或需与其他高阶函数（如filter、reduce）组合时更具优势。实践中应优先考虑代码清晰性与维护性，灵活选择工具。掌握这两种范式，不仅提升了数据处理效率，也为理解大数据框架（如 Spark）中的函数式 API 奠定了基础。
