4.4 特殊的函数定义和使用

1）先来看看匿名函数。

函数的使用虽然方便，但是往往需要大量的格式定义，即使是很简单的功能，也往往需要很多语句，而且还需要我们给它起个名称。有时在函数定义非常多的场合，这是个很大的负担。所以，匿名函数应运而生。

我们看个例子。比如我们还是获取两个数值中的最大值，这是我们在前面章节定义的函数：

def max(num1, num2):
    if num1 > num2:
        return num1
    else:
        return num2

print(max(3, 2))

输出为：3。现在我们换个写法：

max = lambda num1, num2: num1 if num1 > num2 else num2
print(max(3, 2))

输出内容同上。从结果来看，效果完全一样，差别只有定义的方法。

仔细观察，可以看出，匿名函数和原始函数可以写成等价的模式：函数名称=lambda 参数: 函数

它的核心定义在于lambda后面的内容，其实和原来的函数定义一一对应：

其中，冒号之前的变量就是函数的参数，匿名函数不需要return来返回值，表达式本身结果就是返回值。

这里采用了一种类似于变量定义的方式来生成函数，在调用函数时，用法也完全一样。函数体未必一定要有判断，但是一般只能有一条语句，也因此在功能上受限很大。而且代码也进行了很大的简化，比如return在这里就省略了，但是返回数值的效果还存在。

上述代码可以进一步简化：

print((lambda num1, num2: num1 if num1 > num2 else num2)(3, 2))

输出内容同上。前面的函数名称完全替换成了函数的实现，后面直接跟参数，连中间变量也去除，实现了真正的匿名效果。对应关系为：

大家参考这个模式，就可以实现一般函数向匿名函数的转换。另外，由于使用lambda，所以匿名函数也被称为lambda函数。

当然，一直都有人质疑为什么要使用lambda函数，毕竟这种简化的代码会造成代码的可读性下降，从而增加出错的可能和排查错误的难度。大家在使用时多注意观察。

在有些场合，匿名函数可以起到特殊的效果。比如排序函数，通过匿名函数可以设定排序的规则，如：

nums = [-4, 10, 5, -9, 0]
print(sorted(nums, key=lambda a: abs(a)))

输出为：[0, -4, 5, -9, 10]

此时，通过匿名函数可以设定排序的规则。sorted函数的key属性通过匿名函数，可以让sorted函数在判断每个数值时，先通过匿名函数处理下，然后再根据结果值进行排序，而真实的列表数值并不改变。

---

2）传递函数的参数。
所谓传递函数的参数，可以理解就是把函数作为其他函数的参数，我们可以像使用变量一样使用这个函数，这对于很多函数很方便。

比如我们定义一个求平方的函数：

def squares(x):
    return x ** 2

然后再定义一个转换函数，可以从一个列表中依次取出每个元素，应用某个函数处理：

def squares(x):
    return x ** 2

def convert(func, seq):
    return [func(eachNum) for eachNum in seq]

这里func为函数参数。测试代码为：

def squares(x):
    return x ** 2

def convert(func, seq):
    return [func(eachNum) for eachNum in seq]

num = [1, 2, 3, 4]
print(convert(float, num))
print(convert(squares, num))

输出为：
[1.0, 2.0, 3.0, 4.0]
[1, 4, 9, 16]

这里convert函数就接收了两个参数，其中第一个就是传递函数的参数。

同样，写成匿名函数的形式也可以进行：

squares = lambda x: x ** 2

def convert(func, seq):
    return [func(eachNum) for eachNum in seq]

num = [1, 2, 3, 4]
print(convert(float, num))
print(convert(squares, num))

输出内容同上。

这其实反映了一个有趣的用法，就是在Python中，我们可以像使用变量一样使用函数，甚至可以像变量一样赋值。最简单的应用就是利用这个方法可以给现有函数起个别名，实现同样的功能：

squares = lambda x: x ** 2
squares2 = squares
print(squares2(2))

输出为：4，仍然是2的平方。从squares2函数的调用来看，它和调用squares没有区别。

所以，我们不要给变量和函数一样的名称。比如

num = 1
str = 'Hello'
print('[' + str(num) + ']')

运行界面为：

若定义了新str字符串变量的话，最后一行调用str函数的用法就不再表现为对转换字符类型的str函数的调用。

---

3）递归函数

递归函数只是一种特殊的函数定义方法，也就是说在函数内部继续调用自己，形成一种嵌套的调用关系。

先看看一个例子，计算一个整数的阶乘，如5的阶乘（5!）就为1*2*3*4*5=120。这是一种常见的循环语句练习：

factorial = 1
for i in range(1, 6):
    factorial *= i
print(factorial)

输出为：120。

我们换个思路来思考。比如对于一个数n，要计算n的阶乘，我们可以把它理解为n*(n-1)，即n乘以n-1的阶乘。此时n-1的阶乘其实又是一个阶乘的计算。不妨写出代码：

def factorial(n):
    return n * factorial(n - 1)

print(factorial(5))

这里把阶乘写成一个函数，在这个函数内部，我们再次调用了函数自己，只是参数不同。这就是递归函数。

不过，运行结果并不正确，甚至出现一个错误，说是超出了最大递归深度，即嵌套的次数。

我们不妨自己运行下代码：

 

实到了这里，可能你就已经看出，这个运行是无穷无尽的。

因此需要我们增加一个必要的中断条件。当n=1时，其实就无需再进行递归了，1的阶乘就是1。我们可以直接返回这个1的结果。只有当n不等于1时，才需要进行上述的函数递归运算：

def factorial(n):
    if n > 1:
        return n * factorial(n - 1)
    else:
        return 1

print(factorial(5))

我们不妨再次自己运行下，看看究竟是怎么得到的结果：

虽然递归提供了一种简单有效的代码逻辑实现方法，不过，从性能上看，递归其实效率不高，而且递归的深度有限，所以在实际数据分析中，我们往往并不建议大家使用。

配套学习资源、慕课视频：

Python大数据分析-李树青 (njcie.com)http://www.njcie.com/python/