Python函數(shù)式編程：返回函數(shù)與匿名函數(shù)

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達(dá)

接著上次的Python函數(shù)式編程，小編繼續(xù)往下學(xué)習(xí)了函數(shù)式編程的剩下的一些內(nèi)容。今天的內(nèi)容包括返回函數(shù)和匿名函數(shù)。順便說一句，Python真的比R難學(xué)啊，對于沒有計算機(jī)學(xué)科基礎(chǔ)的同學(xué)來說，自學(xué)Python確實(shí)挺頭疼的。

所謂返回函數(shù)，顧名思義，就是把函數(shù)作為返回值。高階函數(shù)除了可以將函數(shù)作為參數(shù)之外，還可以將函數(shù)作為結(jié)果進(jìn)行返回。下面來實(shí)現(xiàn)一個可變參數(shù)的連乘，求積函數(shù)可定義為：

def calc_fac(*args):
   fx = 0
   for n in args:
        fx = fx * n 
 return fx

很多時候當(dāng)求積函數(shù)定義好后我們并不需要立即求積，而是會根據(jù)后面的計算再行調(diào)用。這時，我們就可以先不返回函數(shù)的結(jié)果，而是將函數(shù)本身返回，如下可見：

def lazy_fac(*args):
    def fac():
      fx = 0
    for n in args:
         fx = fx * n 
     return fx 
return fac

重新定義求積函數(shù)后，當(dāng)我們調(diào)用lazy_fac()時，返回的就不是求積的結(jié)果啦，而是求積函數(shù)：

>>> a=lazy_fac(1,2,3,4)
>>> a
<function lazy_fac.<locals>.fac at 0x002a5dr42>

而當(dāng)調(diào)用函數(shù) a 時，求積過程才被執(zhí)行：

>>> a()
24

此例中，我們在函數(shù)lazy_fac中又定義了函數(shù)fac，fac可稱做內(nèi)部函數(shù)，而lazy_fac為外部函數(shù)。內(nèi)部函數(shù)fac可以引用外部函數(shù)的的參數(shù)和局部變量。參數(shù)和變量都保存在我們最后返回的內(nèi)部函數(shù)fac中。這種程序結(jié)構(gòu)在Python上我們稱之為閉包。

在閉包結(jié)構(gòu)中，函數(shù)作為結(jié)果返回時，函數(shù)過程并沒有被立刻執(zhí)行，而是等我們調(diào)用 a( )后才執(zhí)行。

總之，在函數(shù)式編程里，函數(shù)除了可以返回一個計算結(jié)果之外，也可以返回一個未執(zhí)行的函數(shù)。當(dāng)返回函數(shù)時，始終牢記該函數(shù)并未被執(zhí)行，返回函數(shù)中盡量不要引入循環(huán)變量等可能引起變化的變量。

當(dāng)我們在傳入函數(shù)時或者代碼結(jié)構(gòu)過于復(fù)雜時，我們可以通過匿名函數(shù)來代替顯式的函數(shù)定義。此時，匿名函數(shù)會大大簡化代碼結(jié)構(gòu)，可以使之更為精煉。

以之前介紹的 map 函數(shù)為例來計算 x³ 看看匿名函數(shù)的功能：

>>> list(map(lambda x: x * x * x, [1, 2, 3]))
[1, 8, 27]

對比可以看出，匿名函數(shù)lambda x : x*x*x 就相當(dāng)于：

def f(x):
  return x * x * x

lambda作為匿名函數(shù)的關(guān)鍵字，冒號前面的 x 表示匿名函數(shù)的參數(shù)。匿名函數(shù)只能有一個表達(dá)式，無需像定義函數(shù)那樣寫 return。因?yàn)槟涿瘮?shù)沒有函數(shù)名，在使用過程中就不需要擔(dān)心函數(shù)名的沖突。匿名函數(shù)作為一個函數(shù)對象，也符合向變量進(jìn)行賦值的規(guī)則：

>>> fx = lambda x: x * x * x
>>> fx
<function <lambda> at 0x101c6ef28>
>>> f(4)
64

同樣，匿名函數(shù)作為一個函數(shù)也可以被被當(dāng)成返回函數(shù)：

def f(x):
  return lambda: x * x * x

好消息！
小白學(xué)視覺知識星球
開始面向外開放啦??????



下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
在「小白學(xué)視覺」公眾號后臺回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實(shí)戰(zhàn)項目52講
在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實(shí)戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實(shí)戰(zhàn)項目，助力快速學(xué)校計算機(jī)視覺。

下載3：OpenCV實(shí)戰(zhàn)項目20講
在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實(shí)戰(zhàn)項目20講，即可下載含有20個基于OpenCV實(shí)現(xiàn)20個實(shí)戰(zhàn)項目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~