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)时间，因此效率低下。在这种情况下，以下解决方法会有所帮助吗？

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

此外，如果partial数据很大，是否可以在速度帮助下替换lambda函数？

Answer 1

因为lambda函数需要创建len（data）次，因此效率低下。

不正确，在该示例中，lambda定义在编译时只评估一次，而不是在评估时len(data)-出于性能原因，无需将其分配给名称。看一下谢尔盖（Sergey）的答案，他证明在这种情况下lambda一点也不昂贵。

如果您确实想为它起一个名字，则应该只使用def语句。将lambda分配给名称被认为是不好的样式：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”。引用官方风格指南：

是：

def f(x): return 2*x

没有：

f = lambda x: 2*x:

lambda和单行代码之间的唯一区别def是，def它将为其命名（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

正如您在上面看到的，两种形式都编译为相同的字节码。

lisp启发了函数map，filter并且reduce在Python中总是感到有些陌生。自从引入列表理解（IINM 2.0版）以来，它们就成为了获得相同结果的惯用方式。所以这：

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

通常写为：

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

如果数据很大，而您只是对其进行迭代，则生成器表达式将内存换为cpu：

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

像map，filter和这样的lispy构造reduce可能会被淘汰（移至functools模块中），我建议在新代码中使用列表推导和生成器表达式。

最后，Python在性能方面令人惊讶地违反直觉。您应该始终进行概要分析，以便对性能的信念进行检查。

底线：不必担心“优化”该死的事情，除非您已对其进行概要分析并确定知道这是一个相关的瓶颈。