Python 函数进阶：作用域、高阶函数与递归

函数的参数为另一个函数

将函数作为参数传递给其他函数，可以实现回调机制或通用算法。

def apply_operation(func, value):
    return func(value)

def double(x):
    return x * 2

result = apply_operation(double, 5)
print(result)  # 输出 10

函数的返回值为另一个函数

函数可以返回另一个函数对象，常用于闭包场景。

def make_multiplier(n):
    def multiplier(x):
        return x * n
    return multiplier

times_two = make_multiplier(2)
times_three = make_multiplier(3)

print(times_two(5))   # 输出 10
print(times_three(5)) # 输出 15

内置高阶函数

map() 函数

map() 函数接收一个函数和一个可迭代对象，将函数作用于该对象的每个元素，并返回迭代器。

nums = [1, 2, 3, 4]
squared = list(map(lambda x: x**2, nums))
print(squared)  # 输出 [1, 4, 9, 16]

filter() 函数

filter() 函数用于过滤序列，只保留使函数返回 True 的元素。

nums = [1, 2, 3, 4, 5, 6]
even_nums = list(filter(lambda x: x % 2 == 0, nums))
print(even_nums)  # 输出 [2, 4, 6]

递归

递归是指函数在其定义中调用自身的过程。它是解决复杂问题的一种强大工具，但需要谨慎使用以避免栈溢出。

函数内部自己调用自己

递归的核心在于将大问题分解为规模更小的同类子问题。

必须有出口

递归必须包含终止条件（基准情况），否则会导致无限循环和栈溢出错误。

数字累加和示例

计算从 1 到 n 的数字累加和。

def sum_recursive(n):
    if n == 1:
        return 1
    return n + sum_recursive(n - 1)

print(sum_recursive(5))  # 输出 15

执行流程

当调用 sum_recursive(5) 时，系统会建立多个栈帧，直到达到基准条件 n=1，然后逐层返回结果。

递归三原则

1. 递归必须有停止条件：确保递归不会无限进行。
2. 递归必须改变其状态并向停止条件靠近：每次调用应更接近基准情况。
3. 递归必须递归地调用自己：核心逻辑通过自我调用来实现。

lambda 表达式

lambda 表达式，又名匿名函数，用于创建小型的单行函数对象。

适用场景

如果一个函数有一个返回值，并且只有一句代码，可以使用 lambda 简化。

语法

lambda arguments: expression

• 注意：lambda 表达式的参数可有可无，函数的参数在 lambda 表达式中完全适用。
• lambda 函数能接收任何数量的参数，但只能返回一个表达式的值。

快速上手

add = lambda x, y: x + y
print(add(3, 5))  # 输出 8

夹带参数

lambda 常与高阶函数配合使用，如 map 和 filter。

names = ['Alice', 'Bob', 'Charlie']
upper_names = list(map(lambda name: name.upper(), names))
print(upper_names)  # 输出 ['ALICE', 'BOB', 'CHARLIE']

总结

本文介绍了 Python 函数的高级特性。理解变量作用域有助于避免命名冲突；掌握高阶函数和内置函数（map/filter）能提升代码简洁度；递归适用于分治类问题；Lambda 表达式则适合轻量级函数定义。在实际开发中，应根据具体场景选择合适的方式，平衡可读性与性能。