[Python] lambda

lambda 함수는 데이터를 핸들링 하기 위해 pandas와 관련된 map, apply 등과 함께 유용하게 쓰인다.

def 키워드로 함수를 정의해서 사용하는 것 또한 가능하지만 간단한 전처리를 위해선 1회용 함수인 lambda 함수를 주로 사용한다.

일반적인 함수와 lambda 함수의 비교

---

일반적인 def 키워드로 생성하는 함수는 아래와 같다.

In [2]:

def plus(left, right):
    result = left + right
    return result

plus(10, 20)

Out[2]:

30

이번에는 같은 함수를 lambda 함수를 이용해서 만들어보자

In [6]:

f = lambda x, y:x + y

f(10, 20)

Out[6]:

30

위와 같이 lambda에 매개변수를 지정하고 :(콜론) 뒤 반환값으로 사용할 계산식을 지정한다.

그리고 lambda의 특징 중 하나는 특정 변수에 할당해서 사용해야한다. 이러한 이유로 lambda 함수가 익명 함수로 불리기도 한다.

아래의 그림을 보고 일반 함수와 lambda 함수의 차이를 이해하자.

참고) 코딩도장

lambda 표현식 자체를 호출

---

앞의 설명에서 lambda 함수는 특정 변수를 이용해서 사용해야 한다고 설명했다. 하지만 lambda 표현식 그 자체로 사용하는 방법이 없진 않다. 그 방법은 바로 괄호를 이용하는 것이다.

In [9]:

# 5의 제곱을 구함ㅠ

(lambda x: x**2)(5)

Out[9]:

25

lambda 표현식 안에서 변수 생성은 불가능하다

---

In [10]:

(lambda x: y = 10, x + y)(1)

  File "<ipython-input-10-a9403626418d>", line 1
    (lambda x: y = 10, x + y)(1)
                 ^
SyntaxError: invalid syntax

하지만 lambda 표현식 밖에 있는 변수의 사용은 가능하다. 아래의 예시로 이해해보자

In [12]:

# 최종적으로 lambda 표현식에는 x에 5가 입력, y에 10이 입력된다.

y = 10
(lambda x: x + y)(5)

Out[12]:

15

lambda 함수 예제

---

In [16]:

# x와 y를 더하는 lambda 함수식

(lambda x, y: x+y)(10, 20)

Out[16]:

30

In [18]:

# 대문자로 만드는 lamba 함수식

(lambda x: x.upper())('abc')

Out[18]:

'ABC'

In [19]:

# 소문자로 만드는 lambda 함수식

(lambda x: x.lower())('ABC')

Out[19]:

'abc'

• lambda 식에서 if문은 반드시 if else를 명시

In [30]:

# 짝수면 제곱, 아니면 그대로 유지

f = lambda x: x**2 if x % 2 == 0 else x

print(f(10))
print(f(5))

100
5

In [31]:

# str형이면 소문자로 아니면 그대로 유지

f = lambda x: x.lower() if type(x)=='str' else x

print(f('ABC'))
print(f(10))

ABC
10

filter

---

In [36]:

# filter함수와 lambda 식을 이용해 짝수인 데이터를 추출하시오

arr = np.arange(10)

result = filter(lambda x: x%2==0, arr)

print(list(result))

[0, 2, 4, 6, 8]

map

---

• map 함수는 Series를 대상으로 함수 적용

In [42]:

import pandas as pd

df = pd.DataFrame({"age":[30,25,25,12,40],
                  "height":[178,180,160,140,176],
                  "weight":[80,100,55,40,70]})

df

Out[42]:

ageheightweight01234

30	178	80
25	180	100
25	160	55
12	140	40
40	176	70

In [43]:

# map 함수와 lambda 함수식을 이용해 weight를 pund로 변환하시오 * 2.205

df['weight'] = df['weight'].map(lambda x: x*2.205)
df

Out[43]:

ageheightweight01234

30	178	176.400
25	180	220.500
25	160	121.275
12	140	88.200
40	176	154.350

apply

---

• apply 함수는 전체 Series(컬럼)을 대상으로 함수를 적용합니다.

In [46]:

# 학생 데이터프레임의 전체 컬럼의 최댓값 - 최솟값을 계산하시오

df.apply(lambda x: x.max() - x.min())

Out[46]:

age        28.0
height     40.0
weight    132.3
dtype: float64

applymap

---

• applymap 함수는 DF의 모든 element에 대해 함수를 적용합니다. (axis 인자 X)

In [47]:

# 데이터프레임의 전체 element에 대해 음수로 변경하시오

df.applymap(lambda x: -x)

Out[47]:

ageheightweight01234

-30	-178	-176.400
-25	-180	-220.500
-25	-160	-121.275
-12	-140	-88.200
-40	-176	-154.350

In [ ]: