我经常使用它，主要是作为空对象或将参数部分绑定到函数。

下面是一些例子:

实现空对象模式:

{
    DATA_PACKET: self.handle_data_packets
    NET_PACKET: self.handle_hardware_packets
}.get(packet_type, lambda x : None)(payload)

对于参数绑定:

假设我有以下API

def dump_hex(file, var)
    # some code
    pass

class X(object):
    #...
    def packet_received(data):
        # some kind of preprocessing
        self.callback(data)
    #...

然后，当我不想快速转储接收到的数据到一个文件，我这样做:

dump_file = file('hex_dump.txt','w')
X.callback = lambda (x): dump_hex(dump_file, x)
...
dump_file.close()

只是函数的一种奇特说法。除了它的名字，它没有什么晦涩、吓人或神秘的地方。当你读到下面这行，在脑海中用函数替换lambda:

>>> f = lambda x: x + 1
>>> f(3)
4

它只是定义了一个关于x的函数。其他一些语言，比如R，显式地说:

> f = function(x) { x + 1 }
> f(3)
4

你看到了什么?这是编程中最自然的事情之一。

在我看来，lambda的一个好处是，它可以将简单表单的计算推迟到需要值时才进行。让我解释一下。

许多库例程的实现使得它们允许某些参数被调用(lambda是其中之一)。其思想是，实际值只在将要使用它的时候计算(而不是在调用它的时候)。一个(虚构的)例子可能有助于说明这一点。假设你有一个程序，它将记录一个给定的时间戳。您希望例程使用当前时间减去30分钟。你会这么说的

log_timestamp(datetime.datetime.now() - datetime.timedelta(minutes = 30))

现在假设实际函数只在某个事件发生时才被调用，并且您希望仅在该事件发生时计算时间戳。你可以这样做

log_timestamp(lambda : datetime.datetime.now() - datetime.timedelta(minutes = 30))

假设log_timestamp可以像这样处理可调用对象，它将在需要时计算这个值，届时您将获得时间戳。

当然，还有其他方法可以做到这一点(例如使用operator模块)，但我希望我已经传达了这一点。

更新:这里有一个更具体的现实世界的例子。

更新2:我认为这是所谓的“坦克”的一个例子。

我使用lambdas来避免代码重复。这样函数就容易理解了 例如:

def a_func()
  ...
  if some_conditon:
     ...
     call_some_big_func(arg1, arg2, arg3, arg4...)
  else
     ...
     call_some_big_func(arg1, arg2, arg3, arg4...)

我用一个临时变量替换它

def a_func()
  ...
  call_big_f = lambda args_that_change: call_some_big_func(arg1, arg2, arg3, args_that_change)
  if some_conditon:
     ...
     call_big_f(argX)
  else
     ...
     call_big_f(argY)

Lambdas实际上是非常强大的构造，它源于函数式编程的思想，而且在Python的近期内，它绝不可能被轻易地修改、重新定义或删除。它们可以帮助您编写更强大的代码，因为它允许您将函数作为参数传递，因此函数是一等公民。

Lambdas确实容易让人困惑，但一旦获得了扎实的理解，你就可以写出像这样干净优雅的代码:

squared = map(lambda x: x*x, [1, 2, 3, 4, 5])

上面的代码行返回列表中数字的平方的列表。当然，你也可以这样做:

def square(x):
    return x*x

squared = map(square, [1, 2, 3, 4, 5])

显然，前一种代码更短，如果您打算只在一个地方使用map函数(或任何以函数作为参数的类似函数)，则尤其如此。这也使代码更加直观和优雅。

另外，正如@David Zaslavsky在他的回答中提到的，列表推导并不总是正确的方法，尤其是当你的列表必须从一些晦涩的数学方法中获取值时。

从更实际的角度来看，lambdas最近对我来说最大的优势之一是在GUI和事件驱动编程方面。如果你看一下Tkinter中的回调，它们所接受的参数就是触发它们的事件。如。

def define_bindings(widget):
    widget.bind("<Button-1>", do-something-cool)

def do-something-cool(event):
    #Your code to execute on the event trigger

现在如果你有一些论点要通过呢?简单到传递2个参数来存储鼠标单击的坐标。你可以简单地这样做:

def main():
    # define widgets and other imp stuff
    x, y = None, None
    widget.bind("<Button-1>", lambda event: do-something-cool(x, y))

def do-something-cool(event, x, y):
    x = event.x
    y = event.y
    #Do other cool stuff

现在，您可以争辩说这可以使用全局变量来完成，但是，如果全局变量只用于一个特定的位置，您真的想要担心内存管理和泄漏吗?那只是糟糕的编程风格。

简而言之，lambdas是很棒的，永远不应该被低估。尽管Python lambdas与LISP lambdas不同(后者更强大)，但您确实可以用它们做很多神奇的事情。

在Python中，lambda只是内联定义函数的一种方式，

a = lambda x: x + 1
print a(1)

和. .

def a(x): return x + 1
print a(1)

．．是完全一样的。

你可以用lambda做任何常规函数做不到的事情——Python函数和其他任何东西一样都是对象，lambdas只是定义一个函数:

>>> a = lambda x: x + 1
>>> type(a)
<type 'function'>

老实说，我认为lambda关键字在python中是多余的——我从来没有需要使用它们(或者见过使用它们的地方，常规函数、列表理解或许多内置函数中的一个本可以更好地使用)。

对于一个完全随机的例子，摘自文章“Python的lambda被破坏了!”：

要查看lambda是如何被破坏的，请尝试生成一个函数fs=[f0，…，f9]其中fi(n)=i+n。第一次尝试: >>> fs = [(lambda n: I + n) for I in range(10)] > > > fs [3] (4) 13

我想说的是，即使这样确实有效，它也太可怕了，而且是“非python化的”，同样的功能可以用无数其他方式来编写，例如:

>>> n = 4
>>> [i + n for i in range(10)]
[4, 5, 6, 7, 8, 9, 10, 11, 12, 13]

是的，这是不一样的，但我从未见过需要在列表中生成一组lambda函数的原因。这在其他语言中可能是有意义的，但Python不是Haskell(或Lisp，或…)

请注意，我们可以使用lambda，仍然可以达到预期的效果 结果如下: >>> fs = [(lambda n,i=i: i + n) for i in range(10)] > > > fs [3] (4) 7

编辑:

在一些情况下lambda是有用的，例如在PyQt应用程序中连接信号时，它通常很方便，像这样:

w = PyQt4.QtGui.QLineEdit()
w.textChanged.connect(lambda event: dothing())

只是执行w.textChanged.connect(dothing)将使用额外的事件参数调用dothing方法并导致错误。使用lambda意味着我们可以整齐地删除参数，而不必定义包装函数。