蟒蛇lambda函数映射到一个列表

问题描述：

我的印象中，因为lambda函数需要创建len(data)倍，因此效率低下下面的代码模式是不好的蟒蛇lambda函数映射到一个列表

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

。在这种情况下，下面的解决方法是否有帮助？

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

此外，将与partial帮助的速度更换lambda函数，给出的数据是大吗？

两者都是相同的东西AFAIK。 –

答

首先，拉姆达仅仅是类似的语法糖：

def function(x): 
    return f(x, 30)

口齿不清的启发功能map，filter和reduce总是在Python觉得有点陌生。自引入列表解析（2.0版IINM）以来，它们成为实现相同结果的惯用方式。所以这样的：

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

常被写成：

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

如果数据是大，你只是遍历它，发电机表达式贸易内存CPU：

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

的lispy像map,filter和reduce这样的结构很可能会退役（移到functools模块），我推荐使用列表解析和新代码中的生成器表达式。最后，关于性能，Python令人惊讶地违反直觉。你应该始终配置文件，以便对你的表现进行检查。看到谢尔盖的回答，他证明拉姆达在这种情况下并不昂贵。

底线：从不担心“优化”一件该死的东西，直到您对它进行了配置并确定它是一个顶级瓶颈。

答

拉姆达创建只有一次，当map调用

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

正如你所看到的，执行时间没有改变。

蟒蛇lambda函数映射到一个列表

相关推荐