Tutorial Python: Funciones lambda

Sintaxis básica

Las funciones lambda en Python son una forma concisa de crear funciones anónimas de una sola línea. A diferencia de las funciones definidas con def, las lambdas no necesitan un nombre y están diseñadas para operaciones simples y específicas.

La sintaxis básica de una función lambda sigue este patrón:

lambda argumentos: expresión

Donde:

• La palabra clave lambda indica que estamos creando una función anónima
• argumentos son los parámetros que recibe la función (pueden ser cero o más)
• Los dos puntos : separan los argumentos de la expresión
• expresión es una única operación que se evalúa y devuelve automáticamente

Veamos algunos ejemplos sencillos para entender mejor la sintaxis:

• Lambda sin argumentos:

saludo = lambda: "Hola mundo"
print(saludo())  # Imprime: Hola mundo

• Lambda con un argumento:

cuadrado = lambda x: x ** 2
print(cuadrado(5))  # Imprime: 25

• Lambda con múltiples argumentos:

suma = lambda a, b: a + b
print(suma(3, 4))  # Imprime: 7

• Lambda con argumentos por defecto:

incrementar = lambda x, incremento=1: x + incremento
print(incrementar(10))      # Imprime: 11
print(incrementar(10, 5))   # Imprime: 15

Las funciones lambda son particularmente útiles cuando necesitamos pasar una función simple como argumento a otra función, como en el caso de map(), filter() o sorted():

# Usando lambda con map para convertir una lista de strings a enteros
numeros_texto = ["1", "2", "3", "4"]
numeros = list(map(lambda x: int(x), numeros_texto))
print(numeros)  # Imprime: [1, 2, 3, 4]

# Usando lambda con filter para obtener solo números pares
numeros = [1, 2, 3, 4, 5, 6]
pares = list(filter(lambda x: x % 2 == 0, numeros))
print(pares)  # Imprime: [2, 4, 6]

# Usando lambda con sorted para ordenar una lista de tuplas por el segundo elemento
datos = [("manzana", 3), ("naranja", 1), ("pera", 2)]
ordenados = sorted(datos, key=lambda x: x[1])
print(ordenados)  # Imprime: [('naranja', 1), ('pera', 2), ('manzana', 3)]

Limitaciones de las funciones lambda

Es importante entender las restricciones de las funciones lambda:

• Solo pueden contener una única expresión (no sentencias)
• No pueden contener asignaciones (=)
• No pueden incluir instrucciones como return, pass, assert, etc.
• No permiten documentación (docstrings)

# Esto NO funcionaría en una lambda:
# error_lambda = lambda x: if x > 0: return x else: return -x

# En su lugar, podemos usar el operador ternario:
valor_absoluto = lambda x: x if x > 0 else -x
print(valor_absoluto(-5))  # Imprime: 5

Comparación con funciones regulares

Para entender mejor cuándo usar lambdas, veamos la equivalencia entre una función regular y una lambda:

# Función regular
def cubo(x):
    return x ** 3

# Equivalente como lambda
cubo_lambda = lambda x: x ** 3

# Ambas funcionan igual
print(cubo(3))        # Imprime: 27
print(cubo_lambda(3)) # Imprime: 27

Las lambdas son ideales cuando la operación es simple y se puede expresar en una línea. Para operaciones más complejas, las funciones regulares son más apropiadas y legibles.

# Operación simple: ideal para lambda
multiplicar = lambda x, y: x * y

# Operación compleja: mejor como función regular
def calcular_descuento(precio, porcentaje, minimo=0):
    descuento = precio * (porcentaje / 100)
    if descuento < minimo:
        return minimo
    return descuento

La sintaxis de las funciones lambda es una herramienta poderosa para escribir código más conciso y funcional en Python, especialmente cuando trabajamos con funciones de orden superior que esperan otras funciones como argumentos.

Asignar función lambda a variable

Aunque las funciones lambda son anónimas por naturaleza, Python permite asignarlas a variables para reutilizarlas en diferentes partes del código. Esta técnica combina la concisión de las lambdas con la capacidad de referencia de las funciones nombradas.

Cuando asignamos una lambda a una variable, estamos creando una referencia a esa función anónima que podemos invocar posteriormente:

# Asignación de una lambda a una variable
convertir_a_celsius = lambda fahrenheit: (fahrenheit - 32) * 5/9

# Uso de la función lambda a través de la variable
temperatura = convertir_a_celsius(98.6)
print(f"98.6°F equivale a {temperatura:.1f}°C")  # Imprime: 98.6°F equivale a 37.0°C

Esta asignación nos permite reutilizar la función lambda sin tener que reescribirla cada vez:

temperaturas_f = [32, 68, 86, 104, 212]
temperaturas_c = [convertir_a_celsius(temp) for temp in temperaturas_f]
print(temperaturas_c)  # Imprime: [0.0, 20.0, 30.0, 40.0, 100.0]

Ventajas de asignar lambdas a variables

Asignar lambdas a variables ofrece varios beneficios prácticos:

• Legibilidad mejorada: Da un nombre descriptivo a operaciones anónimas
• Reutilización: Permite usar la misma función en múltiples lugares
• Depuración: Facilita la identificación de la función en mensajes de error

# Lambda asignada con nombre descriptivo
calcular_iva = lambda precio: precio * 0.21
precio_con_iva = calcular_iva(100)
print(precio_con_iva)  # Imprime: 21.0

Lambdas en estructuras de datos

Las lambdas asignadas a variables pueden almacenarse en estructuras de datos como listas, diccionarios o tuplas:

# Colección de operaciones matemáticas como lambdas
operaciones = {
    'suma': lambda a, b: a + b,
    'resta': lambda a, b: a - b,
    'multiplicacion': lambda a, b: a * b,
    'division': lambda a, b: a / b if b != 0 else "Error: División por cero"
}

# Uso de las operaciones almacenadas
print(operaciones['suma'](10, 5))         # Imprime: 15
print(operaciones['multiplicacion'](3, 4)) # Imprime: 12

Este enfoque es especialmente útil para implementar estrategias o comportamientos intercambiables:

# Diferentes estrategias de descuento como lambdas
estrategias_descuento = {
    'ninguno': lambda precio: precio,
    'porcentaje': lambda precio, porcentaje=10: precio * (1 - porcentaje/100),
    'fijo': lambda precio, cantidad=5: precio - cantidad if precio > cantidad else 0
}

# Aplicar diferentes estrategias según el caso
producto = 100
print(estrategias_descuento['ninguno'](producto))           # Imprime: 100
print(estrategias_descuento['porcentaje'](producto, 20))    # Imprime: 80.0
print(estrategias_descuento['fijo'](producto, 25))          # Imprime: 75

Comparación con funciones nombradas

Aunque asignar lambdas a variables puede parecer similar a definir funciones con def, existen diferencias importantes:

# Función lambda asignada a variable
duplicar_lambda = lambda x: x * 2

# Función equivalente con def
def duplicar_funcion(x):
    return x * 2

# Comparación de representaciones
print(duplicar_lambda)    # Muestra: <function <lambda> at 0x...>
print(duplicar_funcion)   # Muestra: <function duplicar_funcion at 0x...>

Observa que incluso después de asignarla a una variable, Python sigue considerando la lambda como una función anónima en su representación interna.

Casos de uso prácticos

Las lambdas asignadas a variables son particularmente útiles en estos escenarios:

• Transformaciones de datos que se aplican repetidamente:

normalizar = lambda texto: texto.lower().strip()

datos = [" Python ", "JAVASCRIPT", "  Ruby  "]
datos_normalizados = [normalizar(item) for item in datos]
print(datos_normalizados)  # Imprime: ['python', 'javascript', 'ruby']

• Validadores simples que se usan en múltiples lugares:

es_email_valido = lambda email: "@" in email and "." in email.split("@")[1]

emails = ["usuario@dominio.com", "invalido@", "otro@ejemplo.com"]
emails_validos = [email for email in emails if es_email_valido(email)]
print(emails_validos)  # Imprime: ['usuario@dominio.com', 'otro@ejemplo.com']

• Funciones de conversión que se aplican a conjuntos de datos:

a_formato_moneda = lambda valor: f"${valor:.2f}"

precios = [19.99, 5.50, 3.45, 999]
precios_formateados = list(map(a_formato_moneda, precios))
print(precios_formateados)  # Imprime: ['$19.99', '$5.50', '$3.45', '$999.00']

Asignar lambdas a variables es una técnica que equilibra la concisión del código con la claridad y reutilización, permitiéndote aprovechar la sintaxis compacta de las lambdas sin sacrificar la legibilidad de tu código.

Función que retorna función

En Python, las funciones son objetos de primera clase, lo que significa que pueden ser tratadas como cualquier otro valor: pasadas como argumentos, asignadas a variables y, lo que exploraremos en esta sección, retornadas desde otras funciones. Esta capacidad es fundamental para técnicas avanzadas de programación funcional.

Una función que retorna otra función crea lo que se conoce como clausura (closure), donde la función interna "recuerda" el entorno en el que fue creada, incluso después de que la función externa haya terminado su ejecución.

Veamos un ejemplo básico utilizando funciones lambda:

def crear_multiplicador(factor):
    return lambda x: x * factor

# Creamos funciones específicas a partir de la función generadora
duplicar = crear_multiplicador(2)
triplicar = crear_multiplicador(3)

# Utilizamos las funciones generadas
print(duplicar(5))   # Imprime: 10
print(triplicar(5))  # Imprime: 15

En este ejemplo, crear_multiplicador es una función generadora que retorna una función lambda. El parámetro factor queda "capturado" en la clausura, creando funciones especializadas.

Creación de funciones personalizadas en tiempo de ejecución

Esta técnica nos permite generar funciones dinámicamente según las necesidades de nuestro programa:

def crear_formateador(prefijo, sufijo=""):
    return lambda texto: f"{prefijo}{texto}{sufijo}"

# Creamos diferentes formateadores
negrita = crear_formateador("**", "**")
cursiva = crear_formateador("_", "_")
codigo = crear_formateador("`", "`")

# Aplicamos los formateadores
texto = "Python"
print(negrita(texto))  # Imprime: **Python**
print(cursiva(texto))  # Imprime: _Python_
print(codigo(texto))   # Imprime: `Python`

Cada función retornada mantiene su propio contexto con los valores específicos de prefijo y sufijo.

Funciones de orden superior con lambdas

Las funciones que retornan funciones son especialmente útiles para crear transformadores o procesadores genéricos:

def aplicar_operacion(operacion):
    if operacion == "suma":
        return lambda a, b: a + b
    elif operacion == "resta":
        return lambda a, b: a - b
    elif operacion == "multiplicacion":
        return lambda a, b: a * b
    else:
        return lambda a, b: a / b if b != 0 else None

# Obtenemos la función deseada
calcular = aplicar_operacion("suma")
print(calcular(10, 5))  # Imprime: 15

# Podemos cambiar la operación según necesitemos
calcular = aplicar_operacion("multiplicacion")
print(calcular(10, 5))  # Imprime: 50

Creación de decoradores simples

Los decoradores en Python son un caso especial de funciones que retornan funciones. Podemos crear decoradores simples usando lambdas:

def registrar_llamada(funcion):
    return lambda *args, **kwargs: (
        print(f"Llamando a {funcion.__name__} con {args} y {kwargs}"),
        funcion(*args, **kwargs)
    )[1]

# Función normal
def saludar(nombre):
    return f"Hola, {nombre}"

# Aplicamos el decorador manualmente
saludar_con_registro = registrar_llamada(saludar)

# Al llamar a la función decorada, veremos el registro
resultado = saludar_con_registro("Ana")
# Imprime: Llamando a saludar con ('Ana',) y {}
print(resultado)  # Imprime: Hola, Ana

Currying con lambdas

El currying es una técnica donde convertimos una función que toma múltiples argumentos en una secuencia de funciones que toman un solo argumento. Las lambdas son ideales para implementar esta técnica:

def curry(f):
    # Función que implementa currying para una función de dos argumentos
    return lambda x: lambda y: f(x, y)

# Función normal de dos argumentos
def dividir(a, b):
    return a / b if b != 0 else None

# Versión currificada
dividir_curry = curry(dividir)

# Creamos una función especializada que divide por 2
dividir_entre_2 = dividir_curry(2)

# Usamos la función especializada
print(dividir_entre_2(10))  # Imprime: 0.2 (2/10)

Fábricas de validadores

Podemos crear fábricas de funciones que generen validadores específicos:

def crear_validador(min_longitud, caracteres_especiales=False):
    def validar(password):
        if len(password) < min_longitud:
            return False
        if caracteres_especiales and not any(c in "!@#$%^&*" for c in password):
            return False
        return True
    
    return validar

# Creamos diferentes validadores
validador_basico = crear_validador(8)
validador_seguro = crear_validador(10, True)

# Probamos contraseñas
print(validador_basico("abc123"))      # Imprime: False (muy corta)
print(validador_basico("abcdefgh"))    # Imprime: True
print(validador_seguro("abcdefghij"))  # Imprime: False (sin caracteres especiales)
print(validador_seguro("abcdef!hij"))  # Imprime: True

Memoización con funciones que retornan funciones

La memoización es una técnica de optimización que almacena resultados de llamadas a funciones para evitar cálculos repetidos. Podemos implementarla fácilmente con funciones que retornan funciones:

def memoizar(funcion):
    cache = {}
    
    def wrapper(*args):
        if args not in cache:
            cache[args] = funcion(*args)
        return cache[args]
    
    return wrapper

# Función costosa (ejemplo: cálculo de Fibonacci)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# Versión memoizada
fibonacci_rapido = memoizar(lambda n: 
    n if n <= 1 else fibonacci_rapido(n-1) + fibonacci_rapido(n-2)
)

# Comparación de rendimiento
import time

inicio = time.time()
resultado1 = fibonacci(30)  # Muy lento
tiempo1 = time.time() - inicio

inicio = time.time()
resultado2 = fibonacci_rapido(30)  # Mucho más rápido
tiempo2 = time.time() - inicio

print(f"Resultado: {resultado2}")
print(f"Tiempo sin memoización: {tiempo1:.2f}s")
print(f"Tiempo con memoización: {tiempo2:.2f}s")

Composición de funciones

La composición de funciones es otra técnica poderosa que podemos implementar con funciones que retornan funciones:

def componer(*funciones):
    def composicion(x):
        resultado = x
        for f in reversed(funciones):
            resultado = f(resultado)
        return resultado
    return composicion

# Funciones simples para componer
cuadrado = lambda x: x ** 2
incrementar = lambda x: x + 1
duplicar = lambda x: x * 2

# Creamos diferentes composiciones
f1 = componer(cuadrado, incrementar)       # (x + 1)²
f2 = componer(incrementar, cuadrado)       # x² + 1
f3 = componer(duplicar, incrementar, cuadrado)  # (x² + 1) * 2

# Probamos las composiciones
x = 3
print(f1(x))  # Imprime: 16 ((3 + 1)²)
print(f2(x))  # Imprime: 10 (3² + 1)
print(f3(x))  # Imprime: 20 ((3² + 1) * 2)

Las funciones que retornan funciones son una herramienta poderosa en el arsenal de programación funcional de Python, permitiéndonos crear código más modular, reutilizable y expresivo. Combinadas con lambdas, nos ofrecen una forma elegante de implementar patrones avanzados como clausuras, currying, memoización y composición de funciones.