Python-apply(lambda x: )的使用及说明
作者：程序媛小姑娘
这篇文章主要介绍了Python-apply(lambda x: )的使用及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
Python-apply(lambda x: )使用
def instant_order_deal(plat, special_product, clearance_goods, new_product_instant,orders):
"""
:param plat: 要计算的平台
:param special_product: 特定库龄产品，其他平台的，amazon的在下面单独读取
:param clearance_goods: 清仓产品
:param new_product: 新品
:param orders: 订单
:return:
"""
# 退款订单处理
orders['订单总金额(包含客户运费、平台补贴)'] = orders.apply(lambda x: 0 if (x['订单类型'] == 'refund') else x['订单总金额(包含客户运费、平台补贴)'], axis=1)
"中间特定sku处理毛利"
# orders['毛利'] = orders.apply(lambda x: (x['平均采购价']* 0.4 + x['毛利']) if (x['产品代码'] == 'S4338867210')| (x['产品代码']=='S2130010010') else x['毛利'],axis=1)
orders['毛利'] = orders.apply(lambda x: (x['毛利'] + 5) if (x['产品代码'] == 'S1416028410') | (x['产品代码'] == 'S1416028440') | (x['产品代码'] == 'S1416028470') else x['毛利'], axis=1)
"""折价商品毛利计算 + 额温枪"""
depreciate = read_data().read_depreciate()
orders['毛利'] = orders.apply(lambda x: (x['平均采购价'] * 0.4 * x['数量'] + x['毛利']) if (x['产品代码'] in depreciate) and x['订单类型'] == 'sale' else x['毛利'],axis=1)
orders['平均采购价'] = orders.apply(lambda x: 0 if (x['订单类型'] == 'resend') else x['平均采购价'], axis=1)
# 中英仓处理
orders['仓库分类'] = orders.apply(lambda x: '中仓' if (x['发运仓库'] =='SH [上海奉贤仓]') | (x['发运仓库'] =='WZC [温州仓]') | (x['发运仓库'] =='SZC [深圳仓]') else '海外仓', axis=1)
# 处理新品
# if plat == 'ebay' or plat == 'shopee' or plat == 'amazon' :
newproduct = read_data().read_newproduct()
orders['仓库分类'] = orders.apply(lambda x: '新品' if (x['产品代码'] in newproduct) else x['仓库分类'], axis=1)
#处理海运产品
shipping = read_data().read_shipping()
orders['仓库分类'] =orders.apply(lambda x: '海运产品' if(x['产品代码'] in shipping and x['仓库分类'] != '海外仓') else x['仓库分类'],axis=1)
# 当月转清仓处理
orders['仓库分类'] = orders.apply(lambda x: '特定库龄'if isClearance(x['付款时间'], x['产品代码'], clearance_goods) != None else x['仓库分类'], axis=1)
# 特定库龄处理
orders['仓库分类'] = orders.apply(lambda x: '特定库龄' if (x['发运仓库'] == 'GSE [古斯美东仓]' and x['平台']!='ebay') else x['仓库分类'], axis=1)
if plat == 'amazon':
# amazon的特定库龄需要单独读取
special_product_a = read_data().read_special_product(plat)
special_product_as = read_data().read_special_product('amazon特殊')
orders['仓库分类'] = orders.apply(lambda x: '特定库龄' if (x['产品代码'] in special_product_as) else x['仓库分类'], axis=1)
orders['仓库分类'] = orders.apply(lambda x: '特定库龄' if ((x['发运仓库'] + x['产品代码']) in special_product_a) else x['仓库分类'], axis=1)
else:
special_product = read_data().read_special_product('其他平台')
orders['仓库分类'] = orders.apply(lambda x: '特定库龄' if (x['产品代码'] in special_product) else x['仓库分类'], axis=1)
orders['仓库分类']=orders.apply(lambda x:'稳定期' if (x['仓库分类']=='中仓')| (x['仓库分类']=='海外仓' )else x['仓库分类'],axis=1 )
# 处理好仓库分类，接下来判断是否是开发新品
orders = pd.merge(orders, new_product_instant, on='产品代码', how='left')
orders['开发新品'] = orders['开发新品'].fillna('非开发新品')
# 然后处理货值
orders['货值'] = orders['数量'] * orders['平均采购价']
# orders = pd.merge(orders,mask_instant, on='产品代码', how='left')
# orders['口罩'] = orders['口罩'].fillna('非口罩')
return orders
python的lambda函数
Lambda 表达式
匿名函数的定义
在 Python 里有两类函数：
- 第一类：用 def 关键词定义的正规函数
- 第二类：用 lambda 关键词定义的匿名函数
Python 使用 lambda 关键词来创建匿名函数，而非def关键词，它没有函数名，其语法结构如下：
lambda argument_list: expression
lambda- 定义匿名函数的关键词。argument_list- 函数参数，它们可以是位置参数、默认参数、关键字参数，和正规函数里的参数类型一样。:- 冒号，在函数参数和表达式中间要加个冒号。expression- 只是一个表达式，输入函数参数，输出一些值。
注意：
- expression 中没有 return 语句，因为 lambda 不需要它来返回，表达式本身结果就是返回值。
- 匿名函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
def sqr(x): return x ** 2 print(sqr) # <function sqr at 0x000000BABD3A4400> y = [sqr(x) for x in range(10)] print(y) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] lbd_sqr = lambda x: x ** 2 print(lbd_sqr) # <function <lambda> at 0x000000BABB6AC1E0> y = [lbd_sqr(x) for x in range(10)] print(y) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] sumary = lambda arg1, arg2: arg1 + arg2 print(sumary(10, 20)) # 30 func = lambda *args: sum(args) print(func(1, 2, 3, 4, 5)) # 15
匿名函数的应用
函数式编程 是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出，没有任何副作用。
def f(x): for i in range(0, len(x)): x[i] += 10 return x x = [1, 2, 3] f(x) print(x) # [11, 12, 13] def f(x): y = [] for item in x: y.append(item + 10) return y x = [1, 2, 3] f(x) print(x) # [1, 2, 3]
匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式：
- 参数是函数 (filter, map)
- 返回值是函数 (closure)
如，在 filter和map函数中的应用：
filter(function, iterable) 过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换。
odd = lambda x: x % 2 == 1 templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(templist)) # [1, 3, 5, 7, 9]
map(function, *iterables) 根据提供的函数对指定序列做映射。
m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) print(list(m1)) # [1, 4, 9, 16, 25] m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10]) print(list(m2)) # [3, 7, 11, 15, 19]
除了 Python 这些内置函数，我们也可以自己定义高阶函数。
def apply_to_list(fun, some_list): return fun(some_list) lst = [1, 2, 3, 4, 5] print(apply_to_list(sum, lst)) # 15 print(apply_to_list(len, lst)) # 5 print(apply_to_list(lambda x: sum(x) / len(x), lst)) # 3.0
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。