Python 之父为什么嫌弃 lambda 匿名函数?

共 4940字,需浏览 10分钟

 ·

2021-04-19 10:18

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

本文转自:AI算法与图像处理

Python 支持 lambda 匿名函数,其扩展的 BNF 表示法是lambda_expr ::= "lambda" [parameter_list] ":" expression,也就是lambda 参数序列:表达式

这是一种便捷的函数定义方式,若翻译成我们熟知的函数形式,会是这个样子:

def <lambda>(parameter_list):
    return expression

也就是说,Python 中的 lambda 函数是一种可接收多个参数的函数,返回值是一个表达式。

它最大的好处是单行简洁,不需要函数命名与换行缩进。

不得不说,匿名函数有时候是挺好用的,比如下文会介绍到的一些常见用法,它因此受到了不少人的推崇。

但是,匿名函数通常也会造成代码难以阅读,容易被人滥用,再加上 Python 只提供了对它的“残疾的”支持,所以又有一些观点不建议使用匿名函数。

事实上,Python 之父 Guido van Rossum 就属于“不推荐使用派”,他甚至曾经(2005年)想要移除 lambda,只不过最后妥协了。

出处:https://www.artima.com/weblogs/viewpost.jsp?thread=98196

lambda 这一个由其他开发者贡献进来的特性(借鉴自 lisp 语言),存在了十多年,但是却被这门语言的创造者(兼首席设计师)所嫌弃,最后竟然还奇迹般地幸存了下来,对于这个故事,大家是否觉得挺有戏剧性的?

接下来,本文就仔细聊一聊这个处境尴尬却生命力顽强的 lambda 匿名函数吧!


1、lambda 怎么使用?


lambda 函数通常的用法是结合 map()、reduce()、filter()、sorted() 等函数一起使用,这些函数的共性是:都可以接收其它函数作为参数。

例如下面的几个例子:

my_list = [315410]

# 元素全加1,结果:[4, 2, 6, 5, 11]
list(map(lambda i:i+1, my_list)) 

# 过滤小于10的元素,结果:[3, 1, 5, 4]
list(filter(lambda i:i<10, my_list)) 

# 元素累加,结果:33
from functools import reduce
reduce(lambda i,j:i+j, my_list, 10)

# 字典按值排序,结果:[('b', 1), ('a', 3), ('d', 4), ('c', 5)]
my_dict = {'a':3'b':1'c':5'd':4}
sorted(my_dict.items(), key=lambda item:item[1])

初学者也许会觉得代码读不懂,但是只要记住“Python中的函数是一等公民”,知道一个函数可以被作为另一个函数的参数或者返回值,就容易理解了。

比如对于 map() 函数的例子,你可以理解成这个形式:

my_func = lambda i:i+1
list(map(my_func, my_list)) 

甚至可以还原成普通的函数:

def add_one(i):
    return i+1

list(map(add_one, my_list)) 

map() 函数的第一个参数是一个函数,第二个参数是一个可迭代对象。这第一个参数会迭代地调用第二个参数中的元素,调用的结果以迭代器的形式返回。

这个例子使用了 list(),是为了方便一次性取出迭代器中的元素,直观地展示出来,在实际使用中,很可能会是基于迭代器的形式。

由这几种用法,我们可以总结出 lambda 函数的使用规律:
  • 它出现在需要使用函数的地方
  • 它适合实现简单的功能
  • 它是一次性的用途,不能在其它地方复用
  • 它一般不会被独立使用,总是作为其它函数的一部分



2、lambda 有什么问题?


由上面的用法可以看出,使用 lambda 函数的代码比较紧凑简洁,所以有人称它体现了“Pythonic”的优雅思想。

但是,lambda 函数有没有什么缺陷呢?

有!当前的 lambda 函数有一个最大的问题,即只支持单行表达式,无法实现丰富的功能,例如无法在函数创建时使用语句(statement),无法使用 if-else 的判断条件,也无法使用 try-except 的异常捕获机制,等等。

这极大地限制了它的能力,导致了它被人诟病为“残疾的”。

从技术实现的角度上看, 这个问题可以通过语法层面的设计来解决。

在当年的邮件组讨论中,有人提出过一些解决思路,比如这封邮件:

出处:https://mail.python.org/pipermail/python-dev/2006-February/060654.html

它提出了一个lambda args::suite 的想法,支持写成这样的形式:

ss = sorted(seq, key=(lambda x::
            tryreturn abs(x)
            except TypeError: return 0))

但是,Guido 很快就否决了这个思路。

他写了一篇文章《Language Design Is Not Just Solving Puzzles》来回应:

出处:https://www.artima.com/weblogs/viewpost.jsp?thread=147358

其基本观点是:不能光顾着解决一个问题/实现某种功能,就引入缺乏“Pythonicity”的语言设计。

那么,为什么 Guido 会认为这是一种不好的设计呢?

我试着概括一下,理由是:
  • 双冒号“::”凭空在此引入,但是跟切片语法中的“::”完全不同,而且跟 C++/Perl 中的作用域操作符用法也不同

  • 即使不用双冒号,用其它符号表示(比如单冒号),还是难以接受,因为都会在一个表达式中嵌入缩进代码块。这就跟使用花括号和 begin/end 关键字来作语句分组(statement grouping)一样,都令人难以接受

  • 在 lambda 中实现其它功能并不重要,这还会让解析器变得复杂(需区分是否有缩进、记录缩进级别),显得小题大做了

简而言之,他认为简洁友好的用户体验更为重要,如果简洁的语法无法满足需求,就应该写成具名函数的形式,而非设计出复杂的匿名函数。

3、为什么 Guido 想移除 lambda?

上文提到的多行 lambda 语句(multi-statement lambda)事件发生在 2006 年,我们看到了 Guido 不想给 lambda 引入复杂设计的原因。

但是,早在 2005 年,Guido 就曾经想要从 Python 移除 lambda,他对它的“嫌弃”是一个“历史悠久”的传统……

在《The fate of reduce() in Python 3000》这篇短文中,Guido 提出要一次性移除 reduce()、map()、filter() 以及 lambda。

移除 lambda 的理由如下:
  • 对于不熟悉 Lisp 或 Scheme 的用户,lambda 这名字容易造成混淆

  • 很多人误以为匿名函数能做嵌套函数不能做的事,但其实并无区别;存在lambda,就会造成不必要的选择,减少选择,可以简化思维

  • 移除 reduce()、map() 和 filter() 后,就没必要写简短的局部函数了

回顾一下我们在前文中总结出的 lambda 的 4 条使用规律,可以发现它跟几个高阶函数(可以接收其它函数作为参数的函数)有较强的“寄生关系”,如果它们能移除了的话,lambda 确实就没有什么独立存留的意义了。

那么,为什么 Guido 觉得应该移除那几个高阶函数呢?

主要的理由有:
  • 可以替换成更加清晰的列表解析式或者生成器表达式,例如 filter(P,S) 可以写成 [x for x in S if P(x)],map(F, S) 写成 [F(x) for x in S]

  • 至于 reduce(),他说这是最讨厌的,除了涉及 + 和 * 的少数用法,其它时候他总要拿出纸笔来画图解才能搞清楚。除了显式地写循环,他还针对 reduce() 的几种用法而提出了几个替代用法,包括引入新的 any() 和 all() 函数

总体而言,Guido 的想法暗合了《The Zen of Python》中的这一条:There should be one-- and preferably only one --obvious way to do it。

但是回到现实,为了照顾某些人的习惯,以及对兼容性的考虑,Guido 最后保守地放弃了“清理异端”的计划。

因此,lambda 得以从 Python 最高独裁者的手上死里逃生。直到一年后,它试图兴风作浪(多行表达式),却惨遭镇压。

我仿佛听到了 Guido 的内心 OS:当初我想删除东西的时候,你们百般阻挠,现在你们想添加东西,哼,没门!……

哈哈,开了个玩笑。

Guido 的所有决定都体现了他的 Pythonic 设计美学、自恰的逻辑一致性以及对社区声音的权衡。

对于 lambda,我认可他的观点,而通过回溯语法发展的历史,我觉得自己对于 Python 的理解变得更为丰富了。不知道你可有同感?


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 23
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报