Einsatz von Lambda-Funktionen in Python – filter()

Grundlagen von Big Data mit PySpark

Upendra Devisetty

Science Analyst, CyVerse

Was sind anonyme Funktionen in Python?

  • Lambda-Funktionen sind anonyme Funktionen in Python

  • Sehr leistungsfähig; effizient mit map() und filter()

  • Erzeugen aufrufbare Funktionen, ähnlich wie def

  • Gibt eine namenlose Funktion zurück (anonym)

  • Für Inline-Definitionen oder verzögerte Ausführung

Grundlagen von Big Data mit PySpark

Syntax von Lambda-Funktionen

  • Allgemeine Form von Lambda-Funktionen
lambda arguments: expression
  • Beispiel für eine Lambda-Funktion
double = lambda x: x * 2
print(double(3))

6
Grundlagen von Big Data mit PySpark

Unterschied: def vs. lambda

  • Python-Code: Kubikzahl einer Zahl
def cube(x): 
     return x ** 3
g = lambda x: x ** 3
print(g(10)) 
print(cube(10))

1000
1000

  • Kein return-Statement bei lambda

  • Lambda kann überall stehen

Grundlagen von Big Data mit PySpark

Einsatz von Lambda-Funktionen in Python – map()

  • map() wendet eine Funktion auf alle Elemente der Eingabeliste an

  • Allgemeine Syntax von map()

map(function, list)
  • Beispiel für map()
items = [1, 2, 3, 4]
list(map(lambda x: x + 2 , items))

[3, 4, 5, 6]
Grundlagen von Big Data mit PySpark

Einsatz von Lambda-Funktionen in Python – filter()

  • filter() nimmt eine Funktion und eine Liste und gibt eine neue Liste mit Elementen zurück, für die die Funktion True ergibt

  • Allgemeine Syntax von filter()

filter(function, list)
  • Beispiel für filter()
items = [1, 2, 3, 4]
list(filter(lambda x: (x%2 != 0), items))

[1, 3]
Grundlagen von Big Data mit PySpark

Lass uns üben!

Grundlagen von Big Data mit PySpark

Preparing Video For Download...