以函数作为参数,或者以函数作为返回值,这类能操作函数的函数称为高阶函数
- 过程作为参数
普通的求和:
def sum_naturals(n):
total, k = 0, 1
while k <= n:
total, k = total + k, k + 1
return total
对立方进行求和:
def sum_cubes(n):
total, k = 0, 1
while k <= n:
total, k = total + k*k*k, k + 1
return total
求和下列式子: 81∗3+85∗7+89∗11+...
def pi_sum(n):
total, k = 0, 1
while k <= n:
total, k = total + 8 / ((4*k-3) * (4*k-1)), k + 1
return total
三个过程共享着一种公共模式:
def <name>(n):
total,k=0,1
while k <= n:
total,k = total + term(k),k+1
return total
定义求和过程
#求和过程
def sum_term(n,term)#term是一个过程
total,k=0,1
while k <= n:
total,k = total + term(k),k+1
return total
#整数求和
def term_k(k):
return k
#K^3求和
def term_k3(k):
return k*k*k
#式子求和
def term_pi(k)
return 8/((4*k-3)*(4*k-1))
def sum_pi(k)
return sum_term(k,term_pi)
#调用过程
>>>sum_term(5,term_k)
>>>15
- 过程作为一般性方法
def square_root_update(x,a):
return (x+ a/x)/2
def cube_root_update(x,a):
return ((2*x)+a/(x*x))/3
def improve(updata,close,guess=1):
while not close(guess):
guess = updata(guess)
return guess
def approx_eq(x,y,tolerance=0.00001):
return abs(x-y) < tolerance
#求平方根
def square_root(a):
def updata(x):
return square_root_update(x,a)
def close(x):
return approx_eq(x*x,a)
return improve(updata,close)
#求3次根
def cube_root(a):
def updata(x):
return cube_root_update(x,a)
def close(x):
return approx_eq(x*x*x,a)
return improve(updata,close)
找到函数的不动点:
f(x)=x,x称为f(x)的不动点
,对于某些函数反复的应用
f(x),f(f(x))f(f(f(x))),....
直到值变化不大时,就可以找到它们的不动点
from math import *
def fixed_point(f,f_guess):
def close_enough(x,y,tolerance=0.0001):
return abs(x-y)< tolerance
def try_guess(guess):
next = f(guess)
if close_enough(guess,next):
return next
else:
return try_guess(next)
return try_guess(f_guess)
注意return
可以将求平方根看成是一个不动点的问题,求
y2=x的变形y=x/y
,定义sqrt函数:
(使用
f(x)=x/y
会造成结果不收敛,不让猜测变化太剧烈,答案在y和x/y之间,将猜测值设置为
f(x)=y+x/y2
,该公式只是
y2=x
的变形)
def sqrt(x):
return fixed_point(lambda y:(y+x/y)/2,1.0)
将函数作为参数传递,能够增强程序设计语言的表达能力。对公共模式进行了抽象。
- 将函数作为返回值
平均阻尼:给定一个函数f,考虑另一个函数,它在x处的值等于x和f(x)的平均值
#平均阻尼,传入某个函数,返回x和f(x)的平均值
def damp(f):
return lambda x:(x+f(x))/2
#改写sqrt,利用damp函数获取(y+x/y)/2
def sqrt(x):
return fixed_point(damp(lambda y:x/y),1.0)
#立方根不动点的函数是$y=x/y^2$,定义立方根函数为:
def sqrt(x):
return fixed_point(damp(lambad y :x/(y*y)),1.0)
牛顿法
导数的定义:
Dg(x)=g(x+dx)−g(x)dx
#导数的定义
dx = 0.00001
def deriv(g):
return lambda x:(g(x+dx)-g(x))/dx
>>>deriv(lambda x:x*x*x)(5)
>>>75.00014999664018
如果g(x)是一个可微函数,那么方程根g(x)=0的解就是函数 f(x)=x−g(x)Dg(x) 的一个不动点
#牛顿转换
def newton_transform(g):
return lambda x:x-g(x)/deriv(g)(x)
#牛顿法
def newton_method(g,guess):
return fixed_point(newton_transform(g),guess)
#牛顿法求平方根,相当于求$g(y)=y^2-x$的g(y)=0的解
def sqrt(x):
return newton_method(lambda y:y*y-x,1.0)
抽象层次高代码越容易复用,需要一步一步的理解函数直接调用。