@SuHongjun
2020-11-17T08:00:56.000000Z
字数 2056
阅读 409
Python
2020春季学期
先复习一下函数的嵌套定义:
def f1(x):
global a
a = x**2 #此a就不是局部变量,而是全局变量
def ff(a1): #此处的ff()就是函数嵌套定义
return a1+2
return ff(a) #ff()只能在f1()的函数体内被调用
y=f1(3)
print('y=',y)
print('a=',a) #此处a也为全局变量
#闭包函数,其中 exponent 称为自由变量
def nth_power(exponent):
def exponent_of(base):
return base ** exponent
return exponent_of # 返回值是 exponent_of 函数
square = nth_power(2) # 计算一个数的平方
cube = nth_power(3) # 计算一个数的立方
print(square(5)) # 计算 2 的平方
print(cube(4)) # 计算 2 的立方
高阶函数英文叫Higher-order function,Python中的函数可以赋值给变量,函数的参数也能接收变量,所以那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数。
一个最简单的高阶函数的例子:
def add(x, y, f):
return f(x) + f(y)
print(add(-7,8,abs))
map( )函数接收两个参数,一个是函数,一个是Iterable,map将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator返回。
>>> def f(x):
... return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce把一个函数作用在一个序列[x1, x2, x3, ...]上,这个函数必须接收两个参数,reduce把结果继续和序列的下一个元素做累积计算,其效果就是:
>>> from functools import reduce
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25
和map()类似,filter()也接收一个函数和一个序列。和map()不同的是,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。
例如,在一个list中,删掉偶数,只保留奇数,可以这么写:
def is_odd(n):
return n % 2 == 1
r = list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
print(r)
# 结果: [1, 5, 9, 15]
Python内置的sorted()函数也是一个高阶函数,它可以接收一个key函数来实现自定义的排序,例如按绝对值大小排序:
>>> sorted([36, 5, -12, 9, -21]) #sorted()的普通应用
[-21, -12, 5, 9, 36]
>>> sorted([36, 5, -12, 9, -21], key=abs) #sorted()的高阶函数调用形式
[5, 9, -12, -21, 36]
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower) #sorted()的高阶函数调用形式
['about', 'bob', 'Credit', 'Zoo']
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True) #反向排序
['Zoo', 'Credit', 'bob', 'about']