什么是lambda（函数）？

对于一个没有计算机科学背景的人来说，计算机科学界的lambda是什么？

当前回答

因为我在这里看不到C++11示例，所以我将继续在这里发布这个很好的示例。经过搜索，这是我能找到的最清晰的语言特定示例。

你好，Lambdas，版本1

template<typename F>

void Eval( const F& f ) {
        f();
}
void foo() {
        Eval( []{ printf("Hello, Lambdas\n"); } );
}

你好，Lambdas，版本2：

void bar() {
    auto f = []{ printf("Hello, Lambdas\n"); };
    f();
}

其他回答

在CS的上下文中，lambda函数是一个抽象的数学概念，它解决了数学表达式的符号求值问题。在这种情况下，lambda函数与lambda项相同。

但在编程语言中，这是不同的。这是一段被宣布为“到位”的代码，可以作为“一流公民”传递。这个概念似乎很有用，因此它几乎进入了所有流行的现代编程语言（参见lambda函数everwhere post）。

在计算机编程中，lambda是一段代码（语句、表达式或一组代码），它从外部源获取一些参数。它不能总是一个匿名函数——我们有很多方法来实现它们。

我们在表达式、语句和函数之间有明确的区分，而数学家没有这种区分。

编程中的“函数”一词也有所不同——我们有“函数是一系列要做的步骤”（来自拉丁语“perform”）。在数学中，它是关于变量之间的相关性。

函数语言正试图尽可能地与数学公式相似，它们的单词意思几乎相同。但在其他编程语言中，我们有不同之处。

有点过于简单：lambda函数是一个可以传递给其他函数的函数，它的逻辑被访问。

在C#中，lambda语法通常以与匿名委托相同的方式编译为简单方法，但它也可以分解并读取其逻辑。

例如（在C#3中）：

LinqToSqlContext.Where( 
    row => row.FieldName > 15 );

LinqToSql可以读取该函数（x>15）并将其转换为实际的SQL以使用表达式树执行。

上述声明变为：

select ... from [tablename] 
where [FieldName] > 15      --this line was 'read' from the lambda function

这与普通方法或匿名委托不同（它们实际上只是编译器的魔法），因为它们无法读取。

并非C#中所有使用lambda语法的方法都可以编译为表达式树（即实际的lambda函数）。例如：

LinqToSqlContext.Where( 
    row => SomeComplexCheck( row.FieldName ) );

现在无法读取表达式树-无法分解SomeComplexCheck。SQL语句将在没有where的情况下执行，数据中的每一行都将通过SomeComplexCheck进行处理。

Lambda函数不应与匿名方法混淆。例如：

LinqToSqlContext.Where( 
    delegate ( DataRow row ) { 
        return row.FieldName > 15; 
    } );

这也有一个“内联”函数，但这一次它只是编译器的魔法——C#编译器会将其拆分为一个具有自动生成名称的新实例方法。

匿名方法不能被读取，因此逻辑不能像lambda函数那样被翻译出来。

这个问题已经得到了正式的回答，因此我不会试图对此做更多的补充。

对于一个对数学或编程知之甚少或一无所知的人来说，用非常简单、非正式的话来说，我会把它解释为一个小的“机器”或“盒子”，它接受一些输入，产生一些工作，产生一些输出，没有特定的名称，但我们知道它在哪里，就凭这些知识，我们使用它。

实际上，对于一个知道函数是什么的人来说，我会告诉他们这是一个没有名字的函数，通常放在内存中的一个点上，只需引用该内存即可使用（通常通过使用一个变量-如果他们听说过函数指针的概念，我会将其用作类似的概念）-这个答案涵盖了非常基本的内容（没有提到闭包等），但人们可以很容易地理解这一点。

它是一个没有名称的函数。例如，在c#中，您可以使用

numberCollection.GetMatchingItems<int>(number => number > 5);

返回大于5的数字。

number => number > 5

这里是lambda部分。它表示一个接受参数（数字）并返回布尔值（数字>5）的函数。GetMatchingItems方法对集合中的所有项使用此lambda并返回匹配项。

推荐文章