Lambda是一个过程构造函数。你可以在运行时合成程序，尽管Python的lambda不是很强大。请注意，很少有人理解这种编程。

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。

如上所述，Python中的lambda操作符定义了一个匿名函数，而Python中的函数是闭包。重要的是不要将闭包的概念与操作符lambda混淆，后者对它们来说只是句法上的美沙酮。

当我几年前开始使用Python时，我经常使用lambda，认为它们很酷，还有列表推导式。然而，我编写并维护了一个用Python编写的大型网站，其中有几千个功能点。我从经验中了解到，lambdas可能可以用来创建原型，但除了节省一些键，它不能提供任何内联函数(命名闭包)，有时也不能。

基本上这可以归结为几点:

it is easier to read software that is explicitly written using meaningful names. Anonymous closures by definition cannot have a meaningful name, as they have no name. This brevity seems, for some reason, to also infect lambda parameters, hence we often see examples like lambda x: x+1 it is easier to reuse named closures, as they can be referred to by name more than once, when there is a name to refer to them by. it is easier to debug code that is using named closures instead of lambdas, because the name will appear in tracebacks, and around the error.

这就有足够的理由将它们集中起来，并将它们转换为命名闭包。然而，我对匿名闭包还有另外两个不满。

第一个不满是，它们只是又一个不必要的关键字，把语言弄得乱七八糟。

第二个不满是更深层次的，在范式层面上，也就是说，我不喜欢他们提倡一种函数式编程风格，因为这种风格不如消息传递、面向对象或过程式风格灵活，因为lambda微积分不是图灵完备的(幸运的是，在Python中，我们仍然可以在lambda内部突破这种限制)。我觉得lambdas推崇这种风格的原因是:

这里有一个隐式的返回，即它们看起来像“应该”是函数。 它们是另一种更显式、更可读、更可重用和更通用的机制——方法——的状态隐藏机制的替代方案。

我努力编写无lambda的Python，并在看到lambdas时删除lambdas。我认为如果没有lambdas, Python将是一种更好的语言，但这只是我的个人观点。

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)

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()

Lambdas通常与函数式编程风格密切相关。通过将函数应用于某些数据并合并结果来解决问题，这是谷歌用于实现其大多数算法的思想。

以函数式编程风格编写的程序很容易并行化，因此在现代多核机器中变得越来越重要。 所以简而言之，不，你不应该忘记他们。