不是所有Python开发者都喜欢Lambda函数，我也对它有着比较复杂的感觉，特别是对初学者而言，它不像我们使用的普通函数那么直观，然而对于一些有丰富开发经验的程序员，他们喜欢在必要时使用它。暂且把这些分歧搁置，然我们来了解一下Lambda函数到底是什么。

Lambda函数式Python里的匿名函数，有时候提到匿名函数，就是指Lambda函数，其基本语法是： lambda parameters: expression 。这里用 lambda 关键词标记我们要定义一个Lambda函数，然后是参数列表，参数的个数可以是0个，或者多个。后面是冒号（英文状态下），然后就是Lambda函数中的表达式。

>>> # 创建Lambda函数 
>>> triple = lambda x: x*3
>>> # 查看类型
>>> type(triple)
<class 'function'>
>>> # 调用函数
>>> triple(5)
15

在上面的代码中，我们创建了一个Lambada函数，并且用变量 triple 引用，而检查它的类型，我们发现Lambda函数本质也是一种函数。若要使用这个函数，跟我们使用其他函数一样来调用它，调用的时候也是要在括号中根据参数列表的参数提供相应的值。

需要注意的是，在编程实践中，一般不会将Lambda函数赋给一个变量，在很多程序员眼里，将Lambda函数用在赋值语句中是一种滥用Lambda函数的行为，这点请特别注意。下面的代码中会给大家演示如何正确地使用Lambda函数。

No 1. 对序列排序

Lambda函数的第一应用场景就是用于内置函数 sorted() 中，用于对序列类型的数据进行排序。如果你熟悉了列表对象的方法，你应该知道它有一个类似的方法 sort() ，通过它能够实现对列表对象的原地排序。在本微信公众号【老齐教室】中已经发布的文章 《用4个简单的函数提升for循环》 中对此有详细说明，在文中也说明了 sorted() 函数的使用方法和场景。

>>> # 创建序列
>>> grades = [{'name': 'Jennifer', 'final': 95},
...     {'name': 'David', 'final': 92},
...     {'name': 'Aaron', 'final': 98}]
>>> # 根据 name 排序
>>> sorted(grades, key=lambda x: x['name'])
[{'name': 'Aaron', 'final': 98}, {'name': 'David', 'final': 92}, {'name': 'Jennifer', 'final': 95}]
>>> # 根据 final 的值降序排序
>>> sorted(grades, key=lambda x: x['final'], reverse=True)
[{'name': 'Aaron', 'final': 98}, {'name': 'Jennifer', 'final': 95}, {'name': 'David', 'final': 92}]

在上面的代码中，有两处 sorted() 函数中的参数 key 为Lambda函数，都是用于指定列表对象的排序方式。示例中，列表内的元素是字典，如果我们想根据字典的键 name 的值排序，就要在变量的后面的方括号中写明，以它作为 key 的值。如你所见，在执行了 sorted() 函数之后，列表就按照指定的方式排序了。

No 2. 找到最值

有两个内置函数能够帮助我们找到集合中的最值， min() 和 max() ，这两个方法的用法一样。但是，很多时候我们操作的对象是可迭代对象，并且需要指定 key 参数，从而得到相应的最值，这就跟 sorted() 类似了。

>>> grades = [{'name': 'Jennifer', 'final': 95},
...     {'name': 'David', 'final': 92},
...     {'name': 'Aaron', 'final': 98}]
>>> # final的最大值
>>> max(grades, key=lambda x: x['final'])
{'name': 'Aaron', 'final': 98}
>>> # final的最小值
>>> min(grades, key=lambda x: x['final'])
{'name': 'David', 'final': 92}

上面的示例中， max() 函数中的参数 key 的值用 lambda x: x['final'] 获得，从而找到了数据中 final 最高分数的学生。类似地， min() 函数的用法同上。

No 3. 作为工厂函数

很多人都知道Python中内置的字典类型 dict ，此外，还有另外一个叫做 defaultdict 的字典类型，它是 dict 的子类，在 collections 模块中。 defaultdict 的完整形式是 defaultdict([*default_factory*[,*...*]]) ，如果指定的键不再字典中，可以用 default_factory 生成该值。

>>> from collections import defaultdict
>>> # 创建一个 defaultdict
>>> known_points = {'first': (2, 3), 'second': (4, 2)}
>>> points = defaultdict(lambda: (0, 0), known_points)
>>> # 读取点
>>> points['first']
(2, 3)
>>> points['second']
(4, 2)
>>> points['three']
(0, 0)

在上面的示例中，我们首先创建了一个 defaultdict 对象，它包括一些已知的点，特别要注意，我们用Lambda函数 lambda: (0, 0) 作为参数 default_factory 的参数。这样，如果 defaultdict 中没有指定的键是，就会调用这个Lambda函数，并且返回 (0, 0) 值。这个示例还显示了Lambda函数的参数为0个的情况。

No 4. 与高级函数配合使用

这里所谓的高级函数，指定是 map() 和 filter() 这样的函数。一定要理解一个重要的观点： Python中万物皆对象 。在本微信公众号中，你可以找到很多阐述这一观点的文章。也正是因为这个原因，函数才可以作为另外一个函数的参数，例如：

>>> # 创建一个列表
>>> numbers = [1, 2, 3, 4, 5]
>>> # 列表中的每个元素乘以3
>>> list(map(lambda x: x * 3, numbers))
[3, 6, 9, 12, 15]
>>> # 筛选列表中的偶数
>>> list(filter(lambda x: x%2 == 0, numbers))
[2, 4]

上面的代码中，我们使用了 map() 和 filter() 函数，同它们对已有的列表进行操作，并且将返回对象转化为列表。因为 map() 和 filter() 函数的返回值不是列表，所以，要用 list() 进行转化。

我其实不太提倡你用上面的方式，因为很多时候，我们可以使用列表解析解决问题。比如：

>>> numbers = [1, 2, 3, 4, 5]