lambda表达式中np.sqrt有无参数的区别及df.apply用法疑问

1. lambda x: np.sqrt 与 lambda x: np.sqrt(x) 的区别 #

这两个匿名函数的核心差异在于返回值的类型：

• lambda x: np.sqrt：接收参数x但不使用它，直接返回**np.sqrt函数对象本身**，而非计算结果。无论输入的x是什么，输出都是numpy的平方根函数，不是数值。
• lambda x: np.sqrt(x)：接收参数x，立即将x传入np.sqrt执行平方根计算，返回的是具体的数值结果。

示例验证：

import numpy as np
f1 = lambda x: np.sqrt
f2 = lambda x: np.sqrt(x)

print(f1(4))  # 输出：<ufunc 'sqrt'>（函数对象）
print(f2(4))  # 输出：2.0（计算后的平方根）

2. 为何 df.apply(lambda x : np.sqrt) 无需显式传参x #

df.apply的工作机制是自动遍历DataFrame的元素（或行/列，由axis参数控制），并将当前遍历到的对象作为参数传给指定的处理函数。

当你传入lambda x: np.sqrt时，这个匿名函数会被apply调用，参数x就是当前的DataFrame元素，但lambda直接返回np.sqrt函数对象。此时apply会自动将当前元素再次传给这个返回的np.sqrt函数，完成计算过程——相当于内部执行了np.sqrt(val)（val是当前遍历的元素）。

不过这种写法完全冗余，直接使用df.apply(np.sqrt)即可实现相同效果，因为apply会直接把np.sqrt作为处理函数，自动传递元素参数。

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