python函数局部变量用法实例分析（通用6篇）
篇1：python函数局部变量用法实例分析
作者：东郭先生 字体：[增加 减小] 类型：
当你在函数定义内声明变量的时候，它们与函数外具有相同名称的其他变量没有任何关系，即变量名称对于函数来说是 局部 的。这称为变量的 作用域 。所有变量的作用域是它们被定义的块，从它们的名称被定义的那点开始。
一、使用局部变量
示例如下：
#!/usr/bin/python# Filename: func_local.pydef func(x): print ‘x is‘, x x = 2 print ‘Changed local x to‘, xx = 50func(x)print ‘x is still‘, x
输出：
$ python func_local.pyx is 50Changed local x to 2x is still 50
工作原理：
在函数中，我们第一次使用x的 值 的时候，Python使用函数声明的形参的值。
接下来，我们把值2赋给x。x是函数的局部变量。所以，当我们在函数内改变x的值的时候，在主块中定义的x不受影响。
在最后一个print语句中，我们证明了主块中的x的值确实没有受到影响，
二、使用global语句
如果你想要为一个定义在函数外的变量赋值，那么你就得告诉Python这个变量名不是局部的，而是 全局 的。我们使用global语句完成这一功能。没有global语句，是不可能为定义在函数外的变量赋值的。
你可以使用定义在函数外的变量的值(假设在函数内没有同名的变量)。然而，我并不鼓励你这样做，并且你应该尽量避免这样做，因为这使得程序的读者会不清楚这个变量是在哪里定义的。使用global语句可以清楚地表明变量是在外面的块定义的。
使用global语句示例：
#!/usr/bin/python# Filename: func_global.pydef func: global x print ‘x is‘, x x = 2 print ‘Changed local x to‘, xx = 50func()print ‘Value of x is‘, x
输出：
$ python func_global.pyx is 50Changed global x to 2Value of x is 2
工作原理：
global语句被用来声明x是全局的――因此，当我们在函数内把值赋给x的时候，这个变化也反映在我们在主块中使用x的值的时候。
你可以使用同一个global语句指定多个全局变量。例如global x, y, z。
希望本文所述对大家的Python程序设计有所帮助。
篇2：python函数局部变量用法实例分析
这篇文章主要介绍了python函数形参用法,较为详细的讲述了Python函数形参的功能、定义及使用技巧,需要的朋友可以参考下
本文实例讲述了python函数形参用法，分享给大家供大家参考。具体如下：
函数形参：
函数取得的参数是你提供给函数的值，这样函数就可以利用这些值 做 一些事情。这些参数就像变量一样，只不过它们的值是在我们调用函数的时候定义的，而非在函数本身内赋值。
参数在函数定义的圆括号对内指定，用逗号分割。当我们调用函数的时候，我们以同样的方式提供值。注意我们使用过的术语――函数中的参数名称为 形参 而你提供给函数调用的值称为 实参 。
使用函数形参：
#!/usr/bin/python# Filename: func_param.pydef printMax(a, b): if a > b: print a, ‘is maximum‘ else: print b, ‘is maximum‘printMax(3, 4) # directly give literal valuesx = 5y = 7printMax(x, y) # give variables as arguments
运行结果如下：
4 is maximum
7 is maximum
工作原理：
这里，我们定义了一个称为printMax的函数，这个函数需要两个形参，叫做a和b，
我们使用if..else语句找出两者之中较大的一个数，并且打印较大的那个数。
在第一个printMax使用中，我们直接把数，即实参，提供给函数。在第二个使用中，我们使用变量调用函数。printMax(x, y)使实参x的值赋给形参a，实参y的值赋给形参b。在两次调用中，printMax函数的工作完全相同。
篇3：python函数局部变量用法实例分析
Copulas函数作为新型联合分布函数,已应用到金融、信息、水文等多领域,但在水文多变量研究中,大多是基于copulas函数研究洪水和降雨特性。熊立华等[1]针对同一河流上下游的两水文站点采用Copula连接函数建立与模拟两站点的年最大洪水联合分布函数。Grimaldi和Serinaldi[2]基于三维非对称式Copula函数进行洪水频率分析,并与对称式和标准Gumbel逻辑模型进行了比较研究。张娜等[3,4]以隔河岩水库为例,采用3维非对称Frank Copula函数构建汛期分为三分期,边缘分布为P-III分布的分期洪水联合分布,并在假定的设计洪水值的联合重现期等于防洪标准T的前提下,推导基于Frank Copoula函数的分期设计洪水频率和汛限水位。De Michele和Salvadori[5]用二维Copula函数建立了边缘分布为广义Parato分布的雨强和历时的联合分布。Salvadori和De Michele[6]又基于Copula 函数进一步研究了暴雨统计量的联合分布, 进而推导出暴雨前某固定时段内降雨量和前期土壤湿度的分布函数。Grimaldi和Serinaldi[2]运用三维Copula函数进行设计雨量图的分析。Zhang和Singh[7,8]先后对降雨的雨强、雨深和历时进行两变量和三变量的频率分析,并得出联合重现期。从现有文献来看,多变量干旱特征联合分布特性有待进一步深入研究。本文以渭河流域华阴站降雨资料为例,采用Frank和Gaussian copulas函数分析二维干旱联合特性分布,构建Frank pair-copula、Gaussian copula、M3 copula函数,对比分析三维干旱联合特性。
1 Copulas
本文采用Frank和Gaussian copulas[9]函数分析二维干旱联合特性分布,构建Frank pair-copula[10,11]、Gaussian copula、M3 copula[12,13]三维联合分布函数。
Frank
Frank pair-copula
M3 copula
Gaussian copula
式中:u1,u2,u3为各变量的边缘分布;Φ-1(·)为标准正态分布的逆函数;ΦΣ[Φ-1(u1),Φ-1(u2),Φ-1(u3)]为多元正态分布函数;w为积分变量矢量,w=[w1,w2,w3]T。
2 案例分析
以渭河流域华阴站28年的月降雨资料为例,采用游程理论截取干旱历时(LS)、干旱烈度(LD)和烈度峰值(FZ)为干旱特征变量。选取干旱历时服从指数分布,干旱烈度服从gamma分布,干旱峰值服从广义parto分布。经计算,各参数a=1.776 9,ε=0.690 6,α=0.952 7,β=55.443 1,к=-0.423 2,α=44.415 1。相关性见表1所示,表明烈度-峰值相关性最高,其次是历时-烈度,历时-峰值的相关性偏弱。
2.1 copulas参数计算与拟合度检验
本文采用Frank、Gaussian构建二维联合分布函数,Frank pair-copula、Gaussian copula、M3 copula构建三维联合特性分布函数,采用极大似然法估算copulas参数,以RMSE、AIC、BIC为拟合度评价标准,见表2,采用A-D检验[14,15,16,17]多变量联合分布函数,见表3。
由表2可以看出,历时-烈度由Frank构建拟合优度较好,历时-峰值与烈度-峰值由Gaussian构建拟合优度较好。从三维拟合效果来看,Gaussian copula最好,其次是M3 copula。由表3可以看出,在α=0.05,N=5 000,copulas函数均通过A-D检验。
2.2 两变量联合概率与重现期
以历时-烈度两变量联合概率与重现期为例,见图1。
超越概率和条件概率:
重现期:
式中:T0为联合重现期;T为同现重现期;E(L)为干旱间隔时间的期望值。
由图1可以看出,Frank比Gaussian的同现超越概率要小,联合超过概率则比Gaussian要大。(c)中Y坐标截距是相应概率值烈度的理论值。从图(d)和(e)等值线可知,Frank的T(LD>200 mm,LS>5月)约为90 a,T(LD>200 mm or LS>5月)约为5 a,Gaussian的T(LD>200 mm,LS>5月)约为30 a,T(LD>200 mm or LS>5月)约为5 a。因此,相同情况下两等值线的历时-烈度的联合重现期均要大于同现重现期。
2.3 三变量联合概率与重现期
三变量不超越概率:
三变量超越重现期:
以三变量同现不超越概率和联合超越重现期为例加以说明。在图2中,(a)、(b)和(c)分别给出了在概率值为0.5的情况下,确定峰值(烈度或历时)取值范围时,三维同现不超越概率的等值线图,可知,3种copulas描述同现不超越概率没有显著差异,3条等值线基本重合。(d)、(e)和(f)为联合超过概率重现期(T=10 a)等值线,其中M3 copula和Frank pair-copula基本重合,Gaussian所绘制的结果偏小。(a)、(b)、(c)或(d)、(e)、(f)三维重组可以形成类似于文献[9,17]中的等值面图。
给定历时(LS)情况下的条件概率与重现期:
给定历时(LS)和烈度(LD)情况下的条件概率与重现期:
图3和图4是基于3种copulas绘制的两种条件概率与重现期等值线,Gaussian和Frank pair-copula具有相同的变化趋势,M3 copula具有相似的变化,并穿插于Gaussian和Frank pair-copula之间。由图3可知,在历时为条件的情况下,M3 copula的等值线居于Gaussian和Frank pair-copula之间,进行三维重组亦可以得到相应等值面。由图4可知,在历时和烈度为条件的情况下, Gaussian的等值线居于M3 copula和Frank pair-copula之间。
3 结 语
本文采用Frank和Gaussian copula构建二维干旱联合分布,利用Frank pair-copula,Gaussian copula和M3 copula构建三维干旱联合特性分布,并分别对二维和三维联合分布进行拟合度评价与检验。表明,copulas在多变量联合特性分析中,能够较好地体现出变量间的相关性,具有良好的适用性。对于不同区域,选取的最佳copula会有所不同。Copulas函数作为较为新颖的水文频率研究方法,具有广阔的研究前景。
篇4：python函数局部变量用法实例分析
关键词：变量与函数；概念教学；案例分析；教学反思
中图分类号：G632 文献标识码：B 文章编号：1002-7661（2016）01-247-02
2015年7月22日-8月5日，由兵团教委，教研室组织的中学数学继续教育培训在石河子大学成功举行。本次活动是全疆数学教师的再教育，再深造。其中由兵团教研室杨卫平主任组织的“变量与函数”说课活动引起了大家的关注。作为普通教师的一员，笔者有幸参加了观摩活动，深受启发。下面从以下几个案例提出自己的反思：
案例一：例1、日气温变化图：图18.1.1是某日的气温变化图，根据这张图，你能否得到某个时刻的温度？
从图中我们可以看到，随着时间t（时）的变化，相应地气温T（℃）也随之变化.每一个时间t，都有一个唯一的气温T与之对应.
例2、高尔夫球的轨迹
我们用l标识高尔夫球飞行的水平举例，用h标识高尔夫球的飞行高度.此时高度h随着水平距离l的变化而变化。
例3、水中的波纹
把一块小石头投入池塘中，就会激起一阵阵的波纹。
面积S随着半径r的变化而变化.每一个半径r都有唯一的面积S与之对应.
反思：考虑实例要尽量贴近学生的生活，此案例对课本上提供的例子作了修改，选择了"一日内的温度变化"、"高尔夫球的运动"、"水中的波纹"这样三个例子.如果后两个例子学生在生活中根本没有经验，学生理解起来会有困难。
案例二：例1、《名侦探柯南》中有这样一个情景：柯南根据案发现场的脚印，锁定疑犯的身高.你知道其中的道理吗？”
例2、我们班中同学A与职业相扑运动员，谁的饭量大？你能说明理由吗？
反思：此案例的设计意图是想从学生的生活入手，但现实世界中各种量之间的联系纷繁复杂，应向学生说明我们数学的研究方法是化繁就简，本节课只关注一类简单的问题.当然，这里的问题是作为研究“背景”呈现，教学时应作“虚化”处理，以突出主要内容。否则，教师不易控制课堂节奏，会在这一环节浪费大量时间，这样的引入是否有必要？
案例三：问题一：一辆汽车以60千米/小时的速度匀速行驶，行驶里程为s千米，行驶时间为t小时.
1、请同学们根据题意填写下表：
t/时12345t
s/千米
2、在以上这个过程中，变化的量是______。不变化的量是__________。
3、试用含t的式子表示s=__________，t的取值范围是 _________。
这个问题反映了匀速行驶的汽车所行驶的路程____随行驶时间___的变化过程.
问题二：每张电影票的售价为10元，如果早场售出票150张，午场售出205张，晚场售出310张，三场电影的票房收入各多少元？设一场电影售票x张，票房收入y元。怎样用含x的式子表示y ？
1、请同学们根据题意填写下表：
售出票数（张）早场150午场206晚场310x
收入y （元）
2、在以上这个过程中，变化的量是_____________.不变化的量是__________.
3、试用含x的式子表示y.__y=_________________x的取值范围是__________.
这个问题反映了票房收入_________随售票张数_________的变化过程.
问题三：在一根弹簧的下端悬挂重物，改变并记录重物的质量，观察并记录弹簧长度的变化，探索它们的变化规律.如果弹簧原长10cm，每1kg重物使弹簧伸长0.5cm，设重物质量为mkg，受力后的弹簧长度为l cm，怎样用含m的式子表示l？
1、请同学们根据题意填写下表：
所挂重物（kg）12345m
受力后的弹簧长度l（cm）
2、在以上这个过程中，变化的量是_____________.不变化的量是__________.
3、试用含m的式子表示l. l=___________m的取值范围是_____。
这个问题反映了_________随_________的变化过程.
问题四：圆的面积和它的半径之间的关系是什么？要画一个面积为10cm2的圆，圆的半径应取多少？圆的面积为20cm2呢？30 cm2呢？怎样用含有圆面积s的式子表示圆半径r？ 关系式：________
1、请同学们根据题意填写下表：
面积s（cm2）102030s
半径r（cm）
2、在以上这个过程中，变化的量是_____________.不变化的量是__________.
3、试用含s的式子表示r.__r=_________________s的取值范围是__________
这个问题反映了___随___的变化过程.
问题五：用10m长的绳子围成矩形，试改变矩形的长度，观察矩形的面积怎样变化.记录不同的矩形的长度值，计算相应的矩形面积的值，探索它们的变化规律。设矩形的长为xm，面积为sm2，怎样用含有x的式子表示s呢？
1、请同学们根据题意填写下表：
长x（m）1234x
面积s（m2）
2、在以上这个过程中，变化的量是_____________.不变化的量是__________.
3、试用含x的式子表示s=_______________，x的取值范围是 __________。
这个问题反映了矩形的__随__的变化过程.反思：此案例引用了课本的五个实例。第三个例子，由于不少学生在理解“弹簧问题”时面临列函数关系式的困难，可能冲淡对函数概念的学习，对于繁难的概念，我们更应注重为学生构建学生所熟悉的、简单的数学现实，化繁为简、化抽象为形象.过难、过繁的背景会成为学生学习抽象新概念的拦路虎.
综合以上案例分析：
篇5：python函数局部变量用法实例分析
代码如下:
class Foo(object):
static_attr = True
def method(self):
pass
foo = Foo()
这段代码实际上创造了两个对象，Foo和foo。而Foo同时又是一个类，foo是这个类的实例。
在C++里类型定义是在编译时完成的，被储存在静态内存里，不能轻易修改。在Python里类型本身是对象，和实例对象一样储存在堆中，对于解释器来说类对象和实例对象没有根本上的区别。
在Python中每一个对象都有自己的命名空间。空间内的变量被存储在对象的__dict__里。这样，Foo类有一个__dict__, foo实例也有一个__dict__，但这是两个不同的命名空间。
所谓“定义一个类”，实际上就是先生成一个类对象，然后执行一段代码，但把执行这段代码时的本地命名空间设置成类的__dict__. 所以你可以写这样的代码：
代码如下:
>>>class Foo(object):
...bar = 1 + 1
...qux = bar + 1
...print “bar: ”, bar
...print “qux: ”, qux
...print locals()
...
bar:2
qux:3
{‘qux‘: 3, ‘__module__‘: ‘__main__‘, ‘bar‘: 2}
>>>print Foo.bar, Foo.__dict__[‘bar‘]
2 2
>>>print Foo.qux, Foo.__dict__[‘qux‘]
3 3
所谓“定义一个函数”，实际上也就是生成一个函数对象。而“定义一个方法”就是生成一
个函数对象，并把这个对象放在一个类的__dict__中。下面两种定义方法的形式是等价的：
代码如下:
>>>class Foo(object):
...def bar(self):
...return 2
...
>>>def qux(self):
...return 3
...
>>>Foo.qux = qux
>>>print Foo.bar, Foo.__dict__[‘bar‘]
>>>print Foo.qux, Foo.__dict__[‘qux‘]
>>>foo = Foo()
>>>foo.bar()
2
>>>foo.qux()
3
而类继承就是简单地定义两个类对象，各自有不同的__dict__:
代码如下:
>>>class Cheese(object):
...smell = ‘good‘
...taste = ‘good‘
...
>>>class Stilton(Cheese):
...smell = ‘bad‘
...
>>>print Cheese.smell
good
>>>print Cheese.taste
good
>>>print Stilton.smell
bad
>>>print Stilton.taste
good
>>>print ‘taste‘ in Cheese.__dict__
True
>>>print ‘taste‘ in Stilton.__dict__
False
复杂的地方在`.`这个运算符上。对于类来说，Stilton.taste的意思是“在Stilton.__dict__中找‘taste‘. 如果没找到，到父类Cheese的__dict__里去找，然后到父类的父类，等等。如果一直到object仍没找到，那么扔一个AttributeError.”
实例同样有自己的__dict__：
代码如下:
>>>class Cheese(object):
...smell = ‘good‘
...taste = ‘good‘
...def __init__(self, weight):
...self.weight = weight
...def get_weight(self):
...return self.weight
...
>>>class Stilton(Cheese):
...smell = ‘bad‘
...
>>>stilton = Stilton(‘100g‘)
>>>print ‘weight‘ in Cheese.__dict__
False
>>>print ‘weight‘ in Stilton.__dict__
False
>>>print ‘weight‘ in stilton.__dict__
True
不管__init__()是在哪儿定义的， stilton.__dict__与类的__dict__都无关。
Cheese.weight和Stilton.weight都会出错，因为这两个都碰不到实例的命名空间。而
stilton.weight的查找顺序是stilton.__dict__ =>Stilton.__dict__ =>
Cheese.__dict__ =>object.__dict__. 这与Stilton.taste的查找顺序非常相似，仅仅是
在最前面多出了一步。
方法稍微复杂些。
代码如下:
>>>print Cheese.__dict__[‘get_weight‘]
>>>print Cheese.get_weight
>>>print stilton.get_weight
<__main__.Stilton object at 0x7ff820669190>>
我们可以看到点运算符把function变成了unbound method. 直接调用类命名空间的函数和点
运算返回的未绑定方法会得到不同的错误：
代码如下:
>>>Cheese.__dict__[‘get_weight‘]()
Traceback (most recent call last):
File “”, line 1, in
TypeError: get_weight() takes exactly 1 argument (0 given)
>>>Cheese.get_weight()
Traceback (most recent call last):
File “”, line 1, in
TypeError: unbound method get_weight() must be called with Cheese instance as
first argument (got nothing instead)
但这两个错误说的是一回事，实例方法需要一个实例，
所谓“绑定方法”就是简单地在调用方法时把一个实例对象作为第一个参数。下面这些调用方法是等价的：
代码如下:
>>>Cheese.__dict__[‘get_weight‘](stilton)
‘100g‘
>>>Cheese.get_weight(stilton)
‘100g‘
>>>Stilton.get_weight(stilton)
‘100g‘
>>>stilton.get_weight()
‘100g‘
最后一种也就是平常用的调用方式，stilton.get_weight()，是点运算符的另一种功能，将stilton.get_weight()翻译成stilton.get_weight(stilton).
这样，方法调用实际上有两个步骤。首先用属性查找的规则找到get_weight, 然后将这个属性作为函数调用，并把实例对象作为第一参数。这两个步骤间没有联系。比如说你可以这样试：
代码如下:
>>>stilton.weight()
Traceback (most recent call last):
File “”, line 1, in
TypeError: ‘str‘ object is not callable
先查找weight这个属性，然后将weight做为函数调用。但weight是字符串，所以出错。要注意在这里属性查找是从实例开始的：
代码如下:
>>>stilton.get_weight = lambda : ‘200g‘
>>>stilton.get_weight()
‘200g‘
但是
代码如下:
>>>Stilton.get_weight(stilton)
‘100g‘
Stilton.get_weight的查找跳过了实例对象stilton，所以查找到的是没有被覆盖的，在Cheese中定义的方法。
getattr(stilton, ‘weight‘)和stilton.weight是等价的。类对象和实例对象没有本质区别，getattr(Cheese, ‘smell‘)和Cheese.smell同样是等价的。getattr()与点运算符相比，好处是属性名用字符串指定，可以在运行时改变。
__getattribute__()是最底层的代码。如果你不重新定义这个方法，object.__getattribute__()和type.__getattribute__()就是getattr()的具体实现，前者用于实例，后者用以类。换句话说，stilton.weight就是object.__getattribute__(stilton, ‘weight‘). 覆盖这个方法是很容易出错的。比如说点运算符会导致无限递归：
代码如下:
def __getattribute__(self, name):
return self.__dict__[name]
__getattribute__()中还有其它的细节，比如说descriptor protocol的实现，如果重写很容易搞错。
__getattr__()是在__dict__查找没找到的情况下调用的方法。一般来说动态生成属性要用这个，因为__getattr__()不会干涉到其它地方定义的放到__dict__里的属性。
代码如下:
>>>class Cheese(object):
...smell = ‘good‘
...taste = ‘good‘
...
>>>class Stilton(Cheese):
...smell = ‘bad‘
...def __getattr__(self, name):
...return ‘Dynamically created attribute “%s”‘ % name
...
>>>stilton = Stilton()
>>>print stilton.taste
good
>>>print stilton.weight
Dynamically created attribute “weight”
>>>print ‘weight‘ in stilton.__dict__
False
由于方法只不过是可以作为函数调用的属性，__getattr__()也可以用来动态生成方法，但同样要注意无限递归：
代码如下:
>>>class Cheese(object):
...smell = ‘good‘
...taste = ‘good‘
...def __init__(self, weight):
...self.weight = weight
...
>>>class Stilton(Cheese):
...smell = ‘bad‘
...def __getattr__(self, name):
...if name.startswith(‘get_‘):
...def func():
...return getattr(self, name[4:])
...return func
...else:
...if hasattr(self, name):
...return getattr(self, name)
...else:
...raise AttributeError(name)
...
>>>stilton = Stilton(‘100g‘)
>>>print stilton.weight
100g
>>>print stilton.get_weight
>>>print stilton.get_weight()
100g
>>>print stilton.age
Traceback (most recent call last):
File “”, line 1, in
File “”, line 12, in __getattr__
AttributeError: age
篇6：python函数局部变量用法实例分析
这篇文章主要介绍了Python中的map()函数和reduce()函数的用法,代码基于Python2.x版本,需要的朋友可以参考下
Python内建了map()和reduce()函数，
如果你读过Google的那篇大名鼎鼎的论文“MapReduce: Simplified Data Processing on Large Clusters”，你就能大概明白map/reduce的概念。
我们先看map。map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。
举例说明，比如我们有一个函数f(x)=x2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下：
现在，我们用Python代码实现：
>>>def f(x):... return x * x...>>>map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])[1, 4, 9, 16, 25, 36, 49, 64, 81]
map()传入的第一个参数是f，即函数对象本身。
你可能会想，不需要map()函数，写一个循环，也可以计算出结果：
L = []for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]: L.append(f(n))print L
的确可以，但是，从上面的循环代码，能一眼看明白“把f(x)作用在list的每一个元素并把结果生成一个新的list”吗？
所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x2，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串：
>>>map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])[‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘, ‘9‘]
只需要一行代码。
再看reduce的用法。reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
比方说对一个序列求和，就可以用reduce实现：
>>>def add(x, y):... return x + y...>>>reduce(add, [1, 3, 5, 7, 9])25
当然求和运算可以直接用Python内建函数sum()，没必要动用reduce，
但是如果要把序列[1, 3, 5, 7, 9]变换成整数13579，reduce就可以派上用场：
>>>def fn(x, y):... return x * 10 + y...>>>reduce(fn, [1, 3, 5, 7, 9])13579
这个例子本身没多大用处，但是，如果考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()，我们就可以写出把str转换为int的函数：
>>>def fn(x, y):... return x * 10 + y...>>>def char2num(s):... return {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}[s]...>>>reduce(fn, map(char2num, ‘13579‘))13579
整理成一个str2int的函数就是：
def str2int(s): def fn(x, y): return x * 10 + y def char2num(s): return {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}[s] return reduce(fn, map(char2num, s))
还可以用lambda函数进一步简化成：
def char2num(s): return {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}[s]
def str2int(s): return reduce(lambda x,y: x*10+y, map(char2num, s))
也就是说，假设Python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码！
练习
利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：[‘adam‘, ‘LISA‘, ‘barT‘]，输出：[‘Adam‘, ‘Lisa‘, ‘Bart‘]。
【python函数局部变量用法实例分析】相关文章：
变量与函数教学反思04-10
python运动数据分析06-17
python数据分析豆瓣06-17
python与大数据分析05-28
变量与函数教案教学设计05-04
基于Python的人脸识别算法分析01-28
Python使用稀疏矩阵节省内存实例04-17
拷贝构造函数的用法04-13