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。

使用lambdas的一个有用的例子是提高长列表推导式的可读性。 在这个例子中，loop_dic是为了清晰起见的缩写，但是假设loop_dic非常长。如果你只是使用一个包含i的普通值，而不是该值的lambda版本，你会得到一个NameError。

>>> lis = [{"name": "Peter"}, {"name": "Josef"}]

>>> loop_dic = lambda i: {"name": i["name"] + " Wallace" }
>>> new_lis = [loop_dic(i) for i in lis]

>>> new_lis
[{'name': 'Peter Wallace'}, {'name': 'Josef Wallace'}]

而不是

>>> lis = [{"name": "Peter"}, {"name": "Josef"}]

>>> new_lis = [{"name": i["name"] + " Wallace"} for i in lis]

>>> new_lis
[{'name': 'Peter Wallace'}, {'name': 'Josef Wallace'}]

我怀疑lambda不会消失。 请参阅Guido关于最终放弃尝试删除它的帖子。也请参阅冲突概要。

你可以看看这篇文章，了解更多Python函数特性背后的交易历史: http://python-history.blogspot.com/2009/04/origins-of-pythons-functional-features.html

奇怪的是，最初引入lambda和其他函数特性的map、filter和reduce函数在很大程度上已经被列表推导式和生成器表达式所取代。事实上，在Python 3.0中，reduce函数已从内置函数列表中删除。(但是，没有必要投诉lambda、map或filter的删除:它们被保留了。: -)

我个人的意见是:就清晰度而言，lambda值不了多少。通常有一个更清晰的不包含的解。

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)

lambda是处理高阶函数的非常重要的抽象机制的一部分。为了正确理解它的价值，请观看Abelson和Sussman的高质量课程，并阅读《SICP》一书

这些都是与现代软件业务相关的问题，并且变得越来越流行。

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。