Python 中列表推导和 Lambda 的区别

列表推导式是在 Python 中定义和创建列表的一种优雅方式。我们可以像数学语句一样创建列表，并且仅在一行中。列表推导的语法更容易掌握。

列表理解通常由以下部分组成：

• 输出表达式；
• 输入序列；
• 表示输入序列成员的变量；
• 一个可选的谓词部分；

列表推导的语法:

List = [expression(i) for i in another_list if filter(i)]

示例代码：

lst = [x ** 2 for x in range(1, 11) if x % 2 == 1]
print(lst)

运行结果如下：

[1, 9, 25, 49, 81]

在上面的例子中，

• x ** 2 是表达式。
• range (1, 11) 是一个输入序列或另一个列表。
• x 是变量。
• 如果 x % 2 == 1 是谓词部分。

什么是 lambda？

在 Python 中，匿名函数意味着函数没有名称。我们已经知道 def 关键字用于定义普通函数，而 lambda 关键字用于创建匿名函数。它具有以下语法：

lambda 的语法：

lambda arguments : expression

示例代码：

lst = list(map(lambda x: x**2, range(1, 5)))
print(lst)

运行结果：

[1, 4, 9, 16]

Lambda 和 列表推导式的区别

列表推导式用于创建列表，Lambda 是可以像其他函数一样处理并因此返回值或列表的函数。

例子：

# list from range 0 to 10
list_ = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(list_)

# lambda function
lambda_list = list(map(lambda x: x * 2, list_))

# Map basically iterates every element
# in the list_ and returns the lambda
# function result
print(lambda_list)

# list comprehension
list_comp = [x * 2 for x in list_]
print(list_comp)

运行结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

列表理解与 lambda + 过滤器的图形表示
从图中我们可以看出，整体列表理解比过滤函数快得多。过滤器仅对小列表更快。

import numpy as np
import matplotlib.pyplot as plt
import time


# Compare runtime of both methods
sizes = [i * 10000 for i in range(100)]

filter_runtimes = []
list_comp_runtimes = []

for lis_size in sizes:

    lst = list(range(lis_size))

    # Get time stamps
    time_A = time.time()
    list(filter(lambda x: x % 2, lst))
    time_B = time.time()
    [x for x in lst if x % 2]
    time_C = time.time()

    # Calculate runtimes
    filter_runtimes.append((lis_size, time_B - time_A))
    list_comp_runtimes.append((lis_size, time_C - time_B))


# list comprehension vs. lambda + filter using Matplotlib

filt = np.array(filter_runtimes)
lis = np.array(list_comp_runtimes)

plt.plot(filt[:, 0], filt[:, 1], label='filter')
plt.plot(lis[:, 0], lis[:, 1], label='list comprehension')

plt.xlabel('list size')
plt.ylabel('runtime in seconds)')

plt.legend()
plt.show()

运行结果：