5.4 函数的特殊使用方式

5.4.1 匿名函数

所谓匿名函数，即不再使用def语句这样标准形式定义的函数。Python中可以使用lambda关键字来创建匿名函数。用lambda创建的匿名函数的函数体比def定义的函数体要简单。语法如下：

lambda [参数1[,参数2],....参数n]]:表达式

lam_sum = lambda arg1, arg2: arg1 + arg2
print(lam_sum(10, 20))

30

上述代码中，第一行定义了一个lambda函数，执行两个数的和运算，并且把该lambda函数命名为lam_sum。然后通过lam_sum()函数实现求和的功能。
Lambda创建的匿名函数中只能封装有限的逻辑进去。
lambda函数拥有自己的命名空间，且不能访问自有参数列表之外或全局命名空间里的参数。
实际上，一般在使用匿名函数时是不会再为创建的匿名函数命名的。因为这样失去了匿名函数的简便性。在有些场景是需要传入函数，需要的逻辑并不是很复杂。但是又不想再创建一个，这个时候就可以直接使用匿名函数了。如下：

print(list(map(lambda x: x * x, [1, 2, 3, 4, 5])))

[1, 4, 9, 16, 25]

5.4.2 递归调用

在Python定义函数时，函数体中可以调用其他函数，甚至可以调用自己。这种自己调用自己的方式叫做递归调用。下面是一个递归式函数定义：

def recursion():
return recursion()

显然，对于上面定义的函数，如果你运行它，你将发现运行一段时间后，这个程序崩溃了(引发异常)。
从理论上说，这个程序将不断运行下去，但每次调用函数时，都将消耗一些内存。因此函数调用次数达到一定的程度(且之前的函数调用未返回)后，将耗尽所有的内存空间，导致程序终止并显示错误消息“超过最大递归深度(maximum recursion depth exceeded，默认最大为1000次)”。
可以通过以下代码修改最大递归深度：

import sys
sys.setrecursionlimit(99999)

这个函数中的递归称为无穷递归(就像以 while True 打头且不包含 break 和 return 语句的循环被称为无限循环一样)，因为它从理论上说永远不会结束。你想要的是能对你有所帮助的递归函数，这样的递归函数通常包含下面两部分。
基线条件：满足这种条件时函数将直接返回一个值。
递归条件：包含一个或多个调用，这些调用旨在解决问题的一部分。
这里的关键是，通过将问题分解为较小的部分，可避免递归没完没了，因为问题终将被分解成基线条件可以解决的最小问题。
那么如何让函数调用自身呢？这没有看起来那么难懂。前面说过，每次调用函数时，都将为此创建一个新的命名空间。这意味着函数调用自身时，是两个不同的函数［更准确地说，是不同版本(即命名空间不同)的同一个函数］在交流。你可将此视为两个属于相同物种的动物在彼此交流。
递归示例1：通过递归的方式求一个数的阶乘

def factorial(p_int=0):
if p_int == 0:  # 基线条件
	    return 1
else:  #  递归条件
return p_int * factorial(p_int - 1)


print(factorial(10))

3628800

递归示例2：通过递归的方式求幂

def power(x, n):
    return 1 if n == 0 else x * power(x, n - 1)


print(power(2, 10))

1024

递归示例3：通过递归的方式解决汉诺塔问题

def move(n, a='A', b='B', c='C'):
    if n == 1:
        print('移动', a, '-->', c)
    else:
        move(n - 1, a, c, b)
        move(1, a, b, c)
        move(n - 1, b, a, c)


move(4)

移动 A --> B
移动 A --> C
移动 B --> C
移动 A --> B
移动 C --> A
移动 C --> B
移动 A --> B
移动 A --> C
移动 B --> C
移动 B --> A
移动 C --> A
移动 B --> C
移动 A --> B
移动 A --> C
移动 B --> C

在某些特殊的问题中，如果通过普通的循环方式虽然也可以实现，但在使用了递归的方式后代码更加简单。逻辑也更加清楚。
理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。
使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多会导致栈溢出。

5.4.3 偏函数

参考：偏函数
介绍函数参数的时候，我们讲到，通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。
int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：
>>> int('12345')

12345

但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：
>>> int('12345', base=8)

5349

>>> int('12345', 16)

74565

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
    return int(x, base)

这样，我们转换二进制就非常方便了：

>>> int2('1000000')

64

>>> int2('1010101')

85

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')

64

>>> int2('1010101')

85

所以，简单总结functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：
>>> int2('1000000', base=10)

1000000

最后，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：
>>> int2 = functools.partial(int, base=2)
实际上固定了int()函数的关键字参数base，也就是：

>>> int2('10010')
相当于：
>>> kw = { 'base': 2 }
>>