// code_005_functions project main.go
package main
import (
"fmt"
)
func Test1(a int, b, c string) (str3 string) {
fmt.Printf("%d, %s, %s", a, b, c)
return string(a) + b + c
}
func Test2() int {
i := 1
sum := 0
for i = 1; i <= 100; i++ {
sum += i
}
return sum
}
func Test3(num int) int {
//递归函数的使用
if num == 1 {
return 1
}
return num + Test3(num-1)
}
//函数作为参数传递,我们使用type来定义
//它的类型就是所有拥有相同的参数,相同的返回值的一种类型。
type FuncType func(int, int) int //func后面没有函数名
func Calc(a, b int, f FuncType) (result int) {
result = f(a, b)
return
}
func Add(a, b int) int {
return a + b
}
func Minus(a, b int) int {
return a - b
}
func squares() func() int {
var x int
return func() int { //匿名函数
x++ //捕获外部变量
return x * x
}
}
func main() {
//关键func、函数名、参数列表、返回值、函数体和返回语句
//函数名首字母小写即为private,大写即为public
//如果有返回值, 那么必须在函数的内部添加return语句
str1 := Test1(11, "你好", "世界")
fmt.Println("\n" + str1)
//递归函数
sum := Test3(100)
fmt.Println(sum)
//函数作为参数传递
res1 := Calc(10, 20, Add)
res2 := Calc(100, 60, Minus)
fmt.Println(res1)
fmt.Println(res2)
//匿名函数与闭包
//所谓闭包就是一个函数“捕获”了和它在同一作用域的其它常量和变量。
//这就意味着当闭包被调用的时候,不管在程序什么地方调用,闭包能够使用这些常量或者变量。
//它不关心这些捕获了的变量和常量是否已经超出了作用域,所以只有闭包还在使用它,这些变量就还会存在。
//在 Go 语言里,所有的匿名函数(Go语言规范中称之为函数字面量)都是闭包。
str := "ck_god"
f1 := func() { //方式1:
fmt.Printf("哈哈哈,我是%s\n", str)
}
f1()
func() { //方式2:匿名函数
fmt.Println("不好意思,还是我")
}()
type FuncType func()
var f2 FuncType = f1
f2() //方式3:函数变量接收后调用
v := func(a, b int) (result int) {
result = a + b
return
}(1, 1) //方式4:有参有返回值的匿名函数
fmt.Println("v=", v)
//闭包捕获外部变量特点:修改外部变量的值
fmt.Println("\n=========\n")
i := 10
str2 := "ck_god"
func() {
i = 100
str = "go"
fmt.Printf("内部:i = %d, str2 = %s\n", i, str2)
}()
fmt.Printf("外部:i = %d, str2 = %s\n", i, str2)
//匿名函数作为返回值
f := squares()
fmt.Println(f())
fmt.Println(f())
fmt.Println(f())
//我们看到变量的生命周期不由它的作用域决定:squares返回后,变量x仍然隐式的存在于f中
}
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python机器学习基础教程
[德]安德里亚斯·穆勒、[美]莎拉·吉多 / 张亮 / 人民邮电出版社 / 2018-1 / 79.00元
本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,还介绍了一些文本特有的处理方法。一起来看看 《Python机器学习基础教程》 这本书的介绍吧!