以函數作為參數,或者以函數作為傳回值,這類能操作函數的函數稱為高階函數
-
過程作為參數
普通的求和:
def sum_naturals(n):
total, k = ,
while k <= n:
total, k = total + k, k +
return total
對立方進行求和:
def sum_cubes(n):
total, k = ,
while k <= n:
total, k = total + k*k*k, k +
return total
求和下列式子: 81∗3+85∗7+89∗11+...
def pi_sum(n):
total, k = ,
while k <= n:
total, k = total + / ((*k-) * (*k-)), k +
return total
三個過程共享着一種公共模式:
def <name>(n):
total,k=,
while k <= n:
total,k = total + term(k),k+
return total
定義求和過程
#求和過程
def sum_term(n,term)#term是一個過程
total,k=,
while k <= n:
total,k = total + term(k),k+
return total
#整數求和
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 /((*k-)*(*k-))
def sum_pi(k)
return sum_term(k,term_pi)
#調用過程
>>>sum_term(,term_k)
>>>
- 過程作為一般性方法
def square_root_update(x,a):
return (x+ a/x)/
def cube_root_update(x,a):
return ((*x)+a/(x*x))/
def improve(updata,close,guess=):
while not close(guess):
guess = updata(guess)
return guess
def approx_eq(x,y,tolerance=):
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)
找到函數的不動點: f(x)=x,x稱為f(x)的不動點 ,對于某些函數反複的應用
f(x),f(f(x))f(f(f(x))),....
直到值變化不大時,就可以找到它們的不動點
from math import *
def fixed_point(f,f_guess):
def close_enough(x,y,tolerance=):
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個不動點的問題,求 y2=x的變形y=x/y ,定義sqrt函數:
(使用 f(x)=x/y 會造成結果不收斂,不讓猜測變化太劇烈,答案在y和x/y之間,将猜測值設定為 f(x)=y+x/y2 ,該公式隻是 y2=x 的變形)
def sqrt(x):
return fixed_point(lambda y:(y+x/y)/,)
将函數作為參數傳遞,能夠增強程式設計語言的表達能力。對公共模式進行了抽象。
-
将函數作為傳回值
平均阻尼:給定一個函數f,考慮另一個函數,它在x處的值等于x和f(x)的平均值
#平均阻尼,傳入某個函數,傳回x和f(x)的平均值
def damp(f):
return lambda x:(x+f(x))/
#改寫sqrt,利用damp函數擷取(y+x/y)/2
def sqrt(x):
return fixed_point(damp(lambda y:x/y),)
#立方根不動點的函數是$y=x/y^2$,定義立方根函數為:
def sqrt(x):
return fixed_point(damp(lambad y :x/(y*y)),)
牛頓法
導數的定義:
Dg(x)=g(x+dx)−g(x)dx
#導數的定義
dx =
def deriv(g):
return lambda x:(g(x+dx)-g(x))/dx
>>>deriv(lambda x:x*x*x)()
>>>
如果g(x)是一個可微函數,那麼方程根g(x)=0的解就是函數 f(x)=x−g(x)Dg(x) 的一個不動點
#牛頓轉換
def newton_transform(g):
return lambda x:x-g(x)/deriv(g)(x)
#牛頓法
def newton_method(g,guess):
return fixed_point(newton_transform(g),guess)
#牛頓法求平方根,相當于求$g(y)=y^2-x$的g(y)=0的解
def sqrt(x):
return newton_method(lambda y:y*y-x,)
抽象層次高代碼越容易複用,需要一步一步的了解函數直接調用。