蟒蛇lambda函數映射到一個列表

Question

我的印象中，因爲lambda函數需要創建len(data)倍，因此效率低下下面的代碼模式是不好的

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

。在這種情況下，下面的解決方法是否有幫助？

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

此外，將與partial幫助的速度更換lambda函數，給出的數據是大嗎？

Answer 1

首先，拉姆達僅僅是類似的語法糖：

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

口齒不清的啓發功能map，filter和reduce總是在Python覺得有點陌生。自引入列表解析（2.0版IINM）以來，它們成爲實現相同結果的慣用方式。所以這樣的：

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

常被寫成：

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

如果數據是大，你只是遍歷它，發電機表達式貿易內存CPU：

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

的lispy像map,filter和reduce這樣的結構很可能會退役（移到functools模塊），我推薦使用列表解析和新代碼中的生成器表達式。最後，關於性能，Python令人驚訝地違反直覺。你應該始終配置文件，以便對你的表現進行檢查。看到謝爾蓋的回答，他證明拉姆達在這種情況下並不昂貴。

底線：從不擔心「優化」一件該死的東西，直到您對它進行了配置並確定它是一個頂級瓶頸。

Answer 2

拉姆達創建只有一次，當map調用

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，執行時間沒有改變。