在这个 Lab 中，你将学习如何在 Python 中使用 lambda 函数。我们将从理解匿名函数（anonymous functions）的概念和 lambda 关键字开始，并将它们与传统的函数定义进行比较。然后，你将创建具有不同数量参数的简单 lambda 函数。
该 Lab 将进一步探讨如何有效地将 lambda 函数与 Python 内置函数（如 sorted）一起使用。最后，我们将讨论使用 lambda 函数的最佳实践，以确保你的代码可读且易于维护。
在这一步，我们将介绍 Python 中匿名函数的概念，重点关注 lambda 关键字。匿名函数是没有名称的函数，为定义简单、单表达式的函数提供了一种简洁的方式。
在 Python 中，我们通常使用 def 关键字来定义函数。例如，一个使数字翻倍的函数如下所示：
def double(x):
return x * 2
print(double(10))对于像这样的简单函数，lambda 提供了一种更紧凑的语法。让我们使用 lambda 创建相同的函数。
在左侧的 WebIDE 文件浏览器中，找到并打开文件 ~/project/lambda_example1.py。将以下代码添加到其中：
## Define a lambda function to double a number
double_lambda = lambda x: x * 2
## Call the lambda function and print the result
print(double_lambda(10))其语法是 lambda arguments: expression。arguments 是输入，而 expression 是被评估并返回的单个操作。请注意，没有 return 关键字；返回是隐式的。
保存文件。要运行脚本，请在 WebIDE 中打开终端并执行以下命令：
python3 ~/project/lambda_example1.py你应该在终端中看到输出。
20这演示了 lambda 函数如何被赋值给一个变量并像常规函数一样被调用。
Lambda 函数非常灵活，可以定义零个、一个或多个参数。但是，它们始终仅限于单个表达式。在这一步，我们将探索如何创建具有不同数量参数的 lambda 函数。
首先，让我们创建一个不接受任何参数的 lambda 函数。这对于定义常量或简单的、可重复的操作非常有用。
从文件浏览器中打开文件 ~/project/lambda_example2.py。添加以下代码：
## Define a lambda function with no arguments
get_greeting = lambda: "Hello, World!"
## Call the lambda function and print the result
print(get_greeting())接下来，让我们创建一个接受多个参数的 lambda 函数。我们将定义一个对两个数字求和的 lambda 函数。将此代码添加到同一个 lambda_example2.py 文件中：
## Define a lambda function that adds two numbers
add_numbers = lambda x, y: x + y
## Call the lambda function with two arguments and print the result
print(add_numbers(5, 3))保存文件。现在，从终端运行脚本以查看两个输出：
python3 ~/project/lambda_example2.py终端将显示来自两个 lambda 函数的结果。
Hello, World!
8这表明 lambda 函数可以处理不同的参数配置，使其在各种简单任务中具有通用性。
sorted() 函数中使用 LambdaLambda 函数最常见的用途之一是作为高阶函数（接受其他函数作为参数的函数）的快速内联函数。一个典型的例子是 Python 的内置 sorted() 函数，它可以接受一个 key 参数。key 指定一个函数，该函数将在进行排序比较之前对每个元素调用。
想象你有一个元组（tuple）列表，每个元组代表一个产品及其价格。你想根据价格对这个列表进行排序。
在编辑器中打开文件 ~/project/lambda_sorted.py。添加以下代码：
## A list of tuples (product, price)
products = [('Laptop', 1200), ('Mouse', 25), ('Keyboard', 75)]
## Sort the list by price (the second element of each tuple) using a lambda function
sorted_products = sorted(products, key=lambda item: item[1])
## Print the sorted list
print(sorted_products)在这段代码中，key=lambda item: item[1] 告诉 sorted() 使用每个元组的第二个元素（item[1]，即价格）作为排序的值。这比使用 def 定义一个单独的函数要简洁得多。
保存文件并通过终端运行它：
python3 ~/project/lambda_sorted.py你将看到产品列表按升序价格排序。
[('Mouse', 25), ('Keyboard', 75), ('Laptop', 1200)]这种模式非常常见且有用，可以以简单易读的方式对复杂数据结构进行排序。
在这一步，我们将探索使用 lambda 函数的一些稍微高级的方法，包括设置默认参数值和立即调用 lambda 函数。
与常规函数一样，lambda 函数可以带有默认值的参数。如果在函数调用期间未提供参数，这将提供一个后备值。
在编辑器中打开文件 ~/project/lambda_advanced.py。添加以下代码：
## Define a lambda function with a default parameter value
power = lambda base, exponent=2: base ** exponent
## Call the lambda function without the optional argument (uses default)
print(power(3))
## Call the lambda function with both arguments
print(power(3, 3))另一种有趣的技术是定义并立即调用一个 lambda 函数。这被称为立即调用函数表达式（Immediately Invoked Function Expression, IIFE）。这对于创建一个临时的、一次性使用的函数来计算一个值而不会使命名空间混乱非常有用。
将以下代码添加到 lambda_advanced.py 文件中：
## Define and immediately invoke a lambda function to calculate a discounted price
price = 100
discount_percentage = 20
final_price = (lambda p, d: p * (1 - d / 100))(price, discount_percentage)
print(final_price)保存文件并通过终端运行它：
python3 ~/project/lambda_advanced.py输出将显示两个示例的结果。
9
27
80.0虽然这些技术展示了 lambda 的灵活性，但请记住可读性是关键。如果逻辑变得复杂，标准的 def 函数通常是更好的选择。
在最后一步中，我们将讨论使用 lambda 函数的最佳实践。虽然 lambda 是编写简洁代码的强大工具，但应明智地使用它们，以保持代码的可读性和可维护性。
何时使用 lambda：
sorted()、map() 和 filter() 这样的函数是 lambda 的完美选择。何时避免使用 lambda：
def 函数。def 将其定义一次，以遵循不要重复自己（Don't Repeat Yourself, DRY）的原则。让我们看一个很好的、可读的示例，以加强最佳实践的用例。打开文件 ~/project/lambda_best_practice.py 并添加以下代码：
## A list of dictionaries
students = [
{'name': 'Alice', 'grade': 88},
{'name': 'Bob', 'grade': 95},
{'name': 'Charlie', 'grade': 72}
]
## A good use of lambda: sorting a list of dictionaries by a value
sorted_by_grade = sorted(students, key=lambda student: student['grade'])
print("Sorted by grade:", sorted_by_grade)
## For comparison, a more complex task is better with a named function.
## For example, if you needed to apply a curve and check for a minimum score,
## a 'def' function would be much clearer than a complex lambda.
def process_grade(student):
curved_grade = student['grade'] * 1.05
return max(curved_grade, 75) ## Ensure a minimum score
processed_grades = [process_grade(s) for s in students]
print("Processed grades:", processed_grades)保存文件并运行它：
python3 ~/project/lambda_best_practice.py你将看到输出：
Sorted by grade: [{'name': 'Charlie', 'grade': 72}, {'name': 'Alice', 'grade': 88}, {'name': 'Bob', 'grade': 95}]
Processed grades: [92.4, 99.75, 75.60000000000001]第一部分展示了 lambda 的清晰且恰当的用法。第二部分说明了命名函数更合适的场景。始终优先编写对你和他人来说易于阅读和理解的代码。
在这个实验中，你学习了 Python lambda 函数的基础知识。你从理解它们的语法以及它们与使用 def 定义的标准函数有何不同开始。你练习了创建带有零个、一个和多个参数的 lambda 函数，并看到了如何将它们赋值给变量并调用它们。
一个关键收获是将 lambda 函数作为高阶函数的参数进行实际应用，特别是在使用 sorted() 来简洁地定义自定义排序逻辑时。我们还探索了默认参数和立即调用函数表达式（IIFE）等高级技术。最后，你回顾了使用 lambda 的最佳实践，强调虽然它们对于简单、一次性的用例非常强大，但可读性和可维护性应始终是首要考虑因素，对于更复杂的逻辑，应优先选择命名函数。
