定义一个A类，然后实例化一个A对象，通过setattr函数来给当前类添加一个变量，值是test函数。调用haha函数，就相当于调用了test函数。 例2，定义一个模块，通过另一个模块函数调用函数来增加变量，值是test2函数。调用haha函数，就相当于调用了test2函数。
创新互联公司服务项目包括禹王台网站建设、禹王台网站制作、禹王台网页制作以及禹王台网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，禹王台网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到禹王台省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
原理
python系统会维护一个变量的字典，可以通过locals(）或者globals()获取到该字典。由于字典是可变对象，那么，就可以动态的增加变量。由于函数也是一个对象，那么就可以将变量指向函数。这样就可以达到动态修改函数名的目的了。
Python的自定义函数格式中规中矩，用def引导自定义函数名，用括号给出该函数的参数，在冒号后换行通过缩进确定函数体。在格式上和条件判断语句有些相似。
如果函数名和变量名冲突了，相当于重新赋值。而python解释是从上到下的，也就是说此时谁在下面谁占用这个变量名。剩下的那个就只能在内存中等待垃圾回收了。
自定义函数的参数：
按道理来说，即使Python不严格要求定义函数参数，但这方面的知识有助于理解自定义函数中参数操作的情况，还是应该说明一下的。
可以简单地理解为在定义函数时括号中声明的参数是我们在函数使用中会用到的参数，在调用函数时括号中的变量就是参加函数运算用到的变量，换个名字参数（用于定义）和变量（用于调用）就足以理解了。
这篇文章主要介绍了Python函数式编程指南(一)：函数式编程概述,本文讲解了什么是函数式编程概述、什么是函数式编程、为什么使用函数式编程、如何辨认函数式风格等核心知识,需要的朋友可以参考下1pareTo(o2))相信从这个小小的例子你也能感受到强大的生产效率：)封装控制结构的内置模板函数为了避开边界效应，函数式风格尽量避免使用变量，而仅仅为了控制流程而定义的循环变量和流程中产生的临时变量无疑是最需要避免的。假如我们需要对刚才的数集进行过滤得到所有的正数，使用指令式风格的代码应该像是这样：代码如下:lst2 = list()for i in range(len(lst)): #模拟经典for循环if lst[i] 0:lst2.append(lst[i])这段代码把从创建新列表、循环、取出元素、判断、添加至新列表的整个流程完整的展示了出来，俨然把解释器当成了需要手把手指导的傻瓜。然而，“过滤”这个动作是很常见的，为什么解释器不能掌握过滤的流程，而我们只需要告诉它过滤规则呢?在Python里，过滤由一个名为filter的内置函数实现。有了这个函数，解释器就学会了如何“过滤”，而我们只需要把规则告诉它：代码如下:lst2 = filter(lambda n: n 0, lst)这个函数带来的好处不仅仅是少写了几行代码这么简单。封装控制结构后，代码中就只需要描述功能而不是做法，这样的代码更清晰，更可读。因为避开了控制结构的干扰，第二段代码显然能让你更容易了解它的意图。另外，因为避开了索引，使得代码中不太可能触发下标越界这种异常，除非你手动制造一个。函数式编程语言通常封装了数个类似“过滤”这样的常见动作作为模板函数。唯一的缺点是这些函数需要少量的学习成本，但这绝对不能掩盖使用它们带来的好处。闭包(closure)闭包是绑定了外部作用域的变量(但不是全局变量)的函数。大部分情况下外部作用域指的是外部函数。闭包包含了自身函数体和所需外部函数中的“变量名的引用”。引用变量名意味着绑定的是变量名，而不是变量实际指向的对象;如果给变量重新赋值，闭包中能访问到的将是新的值。闭包使函数更加灵活和强大。即使程序运行至离开外部函数，如果闭包仍然可见，则被绑定的变量仍然有效;每次运行至外部函数，都会重新创建闭包，绑定的变量是不同的，不需要担心在旧的闭包中绑定的变量会被新的值覆盖。回到刚才过滤数集的例子。假设过滤条件中的 0 这个边界值不再是固定的，而是由用户控制。如果没有闭包，那么代码必须修改为：代码如下:class greater_than_helper:def __init__(self, minval):self.minval = minvaldef is_greater_than(self, val):return val self.minvaldef my_filter(lst, minval):helper = greater_than_helper(minval)return filter(helper.is_greater_than, lst)请注意我们现在已经为过滤功能编写了一个函数my_filter。如你所见，我们需要在别的地方(此例中是类greater_than_helper)持有另一个操作数minval。如果支持闭包，因为闭包可以直接使用外部作用域的变量，我们就不再需要greater_than_helper了：代码如下:def my_filter(lst, minval):return filter(lambda n: n minval, lst)可见，闭包在不影响可读性的同时也省下了不少代码量。函数式编程语言都提供了对闭包的不同程度的支持。在Python 2.x中，闭包无法修改绑定变量的值，所有修改绑定变量的行为都被看成新建了一个同名的局部变量并将绑定变量隐藏。Python 3.x中新加入了一个关键字 nonlocal 以支持修改绑定变量。但不管支持程度如何，你始终可以访问(读取)绑定变量。内置的不可变数据结构为了避开边界效应，不可变的数据结构是函数式编程中不可或缺的部分。不可变的数据结构保证数据的一致性，极大地降低了排查问题的难度。例如，Python中的元组(tuple)就是不可变的，所有对元组的操作都不能改变元组的内容，所有试图修改元组内容的操作都会产生一个异常。函数式编程语言一般会提供数据结构的两种版本(可变和不可变)，并推荐使用不可变的版本。递归递归是另一种取代循环的方法。递归其实是函数式编程很常见的形式，经常可以在一些算法中见到。但之所以放到最后，是因为实际上我们一般很少用到递归。如果一个递归无法被编译器或解释器优化，很容易就会产生栈溢出;另一方面复杂的递归往往让人感觉迷惑，不如循环清晰，所以众多最佳实践均指出使用循环而非递归。这一系列短文中都不会关注递归的使用。第一节完
def xxx(f, x, y):
return eval(f+"("+str(x)+", "+str(y)+")")
python中函数也可以作为参数传递, 所以你可以直接传递函数, 而不是函数名.
Python code?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
In [350]: def f(x, y):
...: return x+y
...:
In [352]: def usefunc(func, x, y):
...: return func(x, y)
...:
In [353]: usefunc(f, 10, 20)
Out[353]: 30
In [354]: def g(x, y):
...: return x*y
...:
In [355]: usefunc(g, 10, 20)
Out[355]: 200
如果确实需要用函数名(字符串)来确定函数, 最好的办法是自己建一个字典, 来保存允许用户使用的函数名, 例如
1
functions = {'double': lambda x: x*2, "triple": lambda x: x*3}
eval是很危险的办法, 尤其是函数名是由你无法控制的用户输入时.
在前面已经多次提到函数这个概念，之所以没有解释什么是函数，是因为程序中的函数和数学中的函数差不多，如input()、range()等都是函数，这些都是Python的标准函数，直接使用就可以了。根据需要，用户也可以自定义函数。
12.1 函数
函数的结构：
def 函数名(参数)：
函数体
return 返回值
例如：数学中的函数f(x)=2x+5在Python中可以定义如下：
def f(x):
y=2*x+5
return(y)
如果x取值为3，可以使用如下语句调用函数：
f(3)
下面给出完整的程序代码：
def f(x):
y=2*x+5
return(y)
res=f(3)
print(res)
运行结果：11
如上例中的x是函数f(x)的参数，有时也被称为形式参数（简称形参），在函数被调用时，x被具体的值3替换y就是函数的返回值，这个值3也被称为实际参数（简称实参）。
上例中的y是函数f(x)的返回值。并不是所有的函数都有参数和返回值。如下面的函数：
def func():
print('此为无参数传递、无返回值的函数')
func()
输出结果：此为无参数传递、无返回值的函数
可以看出，该函数func()无参数，故调用时不用赋给参数值。
函数也可以有多个参数，如f(x,y)=x²+y²，可用Python语言定义如下：
def f(x,y):
z=x**2+y**2
return z
print(f(2,3)) #调用函数f(x,y)
输出结果：13
也可以通过直接给参数列表中的参数赋值的方法，为参数添加默认值，如果用户赋予参数值，则按照用户赋值执行，否则使用默认值。例如：
def f(x,y=3):
z=x**2+y**2
return z
若调用时参数列表为（2,1），即x赋值为2，y赋值为1：
print(f(2,1))
输出结果为：5
若调用时参数列表为（2），即x赋值为2，y赋值省缺，则y使用默认值：
print(f(2))
输出结果为：13
回调函数，又称函数回调，是将函数作为另一函数的参数。
例如：
def func(fun,m,n):
fun(m,n)
def f_add(m,n):
print('m+n=',m+n)
def f_mult(m,n):
print('m*n=',m*n)
func(f_add,2,3)
func(f_mult,2,3)
输出结果：
m+n= 5
m*n= 6
在f_add(m,n)和f_mult(m,n)被定义前，func(fun,m,n)中的fun(m,n)就已经调用了这两个函数，即“先调用后定义”，这也是回调函数的特点。
如果无法预知参数的个数，可以在参数前面加上*号，这种参数实际上对应元组类型。譬如，参会的人数事先不能确定，只能根据与会人员名单输入：
def func(*names):
print('今天与会人员有：')
for name in names:
print(name)
func('张小兵','陈晓梅','李大海','王长江')
运行后，输出结果为：
今天与会人员有：
张小兵
陈晓梅
李大海
王长江
参数为字典类型，需要在参数前面加上**号。
def func(**kwargs):
for i in kwargs:
print(i,kwargs[i])
func(a='a1',b='b1',c='c1')
输出结果为：
a a1
b b1
c c1
一个有趣的实例：
def func(x,y,z,*args,**kwargs):
print(x,y,z)
print(args)
print(kwargs)
func('a','b','c','Python','is easy',py='python',j='java',ph='php')
输出结果：
a b c # 前三个实参赋给前三个形参
('Python', 'is easy') # *args接收元组数据
{'py': 'python', 'j': 'java', 'ph': 'php'} # **kwargs接收字典数据
12.2 变量的作用域
变量的作用域即变量的有效范围，可分为全局变量和局部变量。
局部变量
在函数中定义的变量就是局部变量，局部变量的作用域仅限于函数内部使用。
全局变量
在主程序中定义的变量就是全局变量，但在函数中用关键字global修饰的变量也可以当做全局变量来使用。
全局变量的作用域是整个程序，也就是说，全局变量可以在整个程序中可以访问。
下面通过实例去讨论：
程序1：
a=1 # a为全局变量
def a_add():
print('a的初值：',a) # 在函数中读取a的值
a_add() # 调用函数a_add()
a+=1 # 主程序语句，a增加1
print('a现在的值是：',a) # 主程序语句，读取a的值
运行结果：
a的初值： 1
a现在的值是： 2
这个结果和我们想象的一样，全局变量a既可以在主程序中读取，也可以在子程序（函数）中读取。
程序2：
a=1
def a_add():
a+=1
print('a的初值：',a)
a_add()
print('a现在的值是：',a)
运行程序1时出现如下错误提示：
UnboundLocalError: local variable 'a' referenced before assignment
意思是：局部变量'a'在赋值之前被引用。
从语法上来讲，该程序没有错误。首先定义了一个全局变量a并赋值为1，又定义了一个函数a_add()，函数内的语句a+=1就是出错的根源，虽然我们的初衷是想让全局变量a的值增加1，但从错误提示看，这个语句中的a并不是全局变量，而是局部变量。看来，在函数中读取全局变量的值是没有问题的（在程序1中已经得到了验证），但要在函数中改变全局变量的值是不行的（在程序2的错误提示a+=1中的a 是局部变量，而非全局变量）。
怎样解决这个问题？
程序3：
a=1
def a_add(x):
x+=1
return x
print('a的初值：',a)
a=a_add(a)
print('a现在的值是：',a)
运行结果：
a的初值： 1
a现在的值是： 2
结果的确是正确的，但在函数a_add(x)中没有调用变量a（没有出现变量a）。
程序4：
a=1
def a_add(a):
a+=1
return a
print('a的初值：',a)
a=a_add(a)
print('a现在的值是：',a)
运行结果：
a的初值： 1
a现在的值是： 2
对比程序4和程序3不难发现，其实程序4只是简单的把函数的参数x变成了a，这个a的实质和程序3中的x还是一样的。这进一步证实，函数中的a是局部变量，与主程序的全局变量a有着本质的区别。
程序5：
a=1
def a_add():
global a
a+=1
print('a的初值：',a)
a_add()
print('a现在的值是：',a)
运行结果：
a的初值： 1
a现在的值是： 2
程序5和程序2相比较，仅仅是在函数中添加了一个定义“global a”，此时的局部变量a就可以当做全局变量使用，由于它和全局变量a同名，自然也就不用区分a究竟是全局变量还是局部变量了，在主程序和该函数内都可以访问、修改变量a的值了。
虽然使用global可使变量使用起来非常方便，但也容易引起混淆，故在使用过程中还是谨慎为好。
12.3 函数的递归与嵌套
递归，就是函数调用它自身。递归必须设置停止条件，否则函数将无法终止，形成死循环。
以计算阶乘为例：
def func(n):
if n==1:
return 1
else:
return n*func(n-1) #func( )调用func( )
print(func(5))
运行结果为：120
嵌套，指在函数中调用另外的函数。这是程序中常见的一种结构，在此不再赘述。
匿名函数
Python中可以在参数前加上关键字lambda定义一个匿名函数，这样的函数一般都属于“一次性”的。
例如：
程序1：这是一个常规的函数定义和调用。
def f_add(x,y):
return x+y
print(f_add(2,3))
输出结果：5
程序2：使用lambda定义匿名函数。
f_add=lambda x,y:x+y
print(f_add(2,3))
输出结果：5
从上面的代码可以看出，使用lambda仅仅减少了一行代码。f_add=lambda x,y:x+y中的f_add不是变量名，而是函数名。程序1和程序2的print( )语句中的参数都是一样的——调用函数f_add( )。所以，匿名函数并没有太多的优点。