Python中lambda调用后接方括号与字典推导式语法疑问

咱们直接拆解你疑惑的那行代码：

new_policy_pie = lambda state: {state:action for state, action in enumerate(np.argmax(Q, axis=1))}[state]

末尾方括号的作用 #

• 先看大括号里的部分：{state:action for state, action in enumerate(np.argmax(Q, axis=1))} 是一个字典推导式，它会生成一个状态编号→最优动作的映射字典。其中：
  • np.argmax(Q, axis=1) 对Q矩阵的每一行（对应每个状态）取最大值的索引，也就是该状态下的最优动作；
  • enumerate 给每个最优动作配上对应的状态编号（从0开始的整数索引）。
• 后面的[state]是字典的键索引操作——从刚生成的这个字典里，直接取出输入参数state对应的动作值，也就是当前状态的最优动作。

额外优化建议 #

这段代码的写法其实有冗余：每次调用这个lambda函数，都会重新生成一遍整个字典，完全没必要。更高效的写法是直接用np.argmax的结果数组索引：

new_policy_pie = lambda state: np.argmax(Q, axis=1)[state]

如果想进一步优化，可以提前把最优动作数组存下来，避免重复计算argmax：

optimal_actions = np.argmax(Q, axis=1)
new_policy_pie = lambda state: optimal_actions[state]

内容的提问来源于stack exchange，提问作者CamWheeler135