3.1 高级函数特性

3.1 高级函数特性

Julia 里函数是一等公民：能存进变量、当参数传、当返回值抛。匿名函数、闭包、可变参数、do 块四件套组合起来，能把很多啰嗦的逻辑压成几行。

匿名函数与高阶函数

square = x -> x^2          # 单表达式匿名函数
square(5)                  # 25

map(x -> x^2, 1:5)         # [1, 4, 9, 16, 25]
filter(x -> x % 2 == 0, 1:10)   # [2, 4, 6, 8, 10]
reduce(+, 1:10)            # 55，求和
sum(1:10)                  # 同样 55，但更直白
​

我的习惯：一行能说清的转换用匿名函数；超过一行就老老实实 function 定义具名函数，匿名函数堆多了可读性会崩。

闭包：函数记住出生环境

function make_counter()
    count = 0
    return () -> (count += 1)
end

c1 = make_counter()
c1()   # 1
c1()   # 2
c2 = make_counter()
c2()   # 1 —— c2 有自己独立的 count
​

闭包常用于回调与延迟计算：把状态封在函数里传出去，外面的人拿不到也改不了 count 本体。再如按因子生成一系列乘法器：

make_multiplier(k) = x -> x * k
double = make_multiplier(2)
triple = make_multiplier(3)
double(5), triple(5)     # (10, 15)
​

可变参数与具名参数

function mysum(args...)          # 任意个位置参数打包成元组
    sum(args)
end
mysum(1, 2, 3, 4)                # 10

function plot_line(x; color="black", width=1)   # 分号后是关键字参数
    println("画线 x=$x 颜色=$color 线宽=$width")
end
plot_line(0.5; width=2)
​

调用侧的 ... 则是解包：

args = (1, 2, 3)
mysum(args...)      # 等价 mysum(1, 2, 3)
​

do 块：把"最后一个函数参数"提到外面

很多 API 的最后一个参数是回调，do 让它读起来像原生控制流：

# 打开文件、用完自动关闭，do 块就是那个回调
open("output.txt", "w") do io
    println(io, "第一行")
    println(io, "第二行")
end

total = mapreduce(x -> x^2, +, 1:10) do x
    x^2        # do 块版：第一个参数提到外面
end
​

第一段 open ... do 是 Julia 里最值得立刻学会的惯用法——资源自动释放，不怕忘关文件。

⚠️ 常见坑：do 块传的是单参数匿名函数，它的参数（上例的 io）由被调用函数决定。传错了参数名不会报"未定义"，而是拿到 nothing 或错误类型，排查时先查文档确认回调签名。

函数式三件套的取舍

案例：写一个通用的数值积分器，把四件套全用上

背景：数值积分是"把一个函数变成一个数"的典型高阶函数场景，我们实现梯形公式并支持任意精度策略。第一步，核心实现：

function trapezoid(f, a, b; n=100)
    # f: 被积函数; a,b: 区间端点; n: 分段数
    h = (b - a) / n
    s = (f(a) + f(b)) / 2
    for i in 1:n-1
        s += f(a + i * h)      # 累加中间节点
    end
    s * h
end

trapezoid(x -> sin(x), 0, π)          # ≈ 1.9998，精确值 2
trapezoid(x -> sin(x), 0, π; n=1000)  # ≈ 1.9999999，n 越大越准
​

操作层面注意调用方式：被积函数是第一个参数（匿名函数现场写），精度用关键字参数 n 调节，不需要记参数顺序。第二步，把它升级成可换公式的版本，体会闭包与"函数返回函数"的组合：

function make_integrator(method)
    # method 是积分公式，闭包记住它，返回统一签名的积分器
    return f -> (a, b; n=100) -> method(f, a, b; n=n)
end

trape = make_integrator(trapezoid)
trape(x -> x^2)(0, 1)    # ≈ 0.3333，先造"专属积分器"再喂区间
​

解读：make_integrator 返回的闭包把"用哪种公式"焊死在函数里，将来增加辛普森公式只需再写一个公式函数，调用侧一行不改——这正是科学计算库接口设计的常见手法。变式：误差控制版再包一层，比较 n 与 2n 两次结果的差，小于容差就停，一个生产可用的积分器就成形了。

排错现场：三个高频报错与读法

其一，x -> x^2 写在 map 外面又忘了赋值，报 UndefVarError——匿名函数不会自动绑定名字，要么 f = x -> ...，要么直接内联。其二，reduce(+, []) 空集合没有初值，抛"空集合上无法归约"，解法是给初值 reduce(+, v; init=0)，批量处理空文件时必撞。其三，do 块的 end 配对错位，语法报错位置离谱，看到莫名 unexpected 字样先检查 do 与 end 的层次。这三类错都属"语法没错但语义错了"的暗伤，出现时优先怀疑函数值的传递链。

本节要点回顾

• 匿名函数 x -> ... 适合一行变换，配合 map/filter 最顺；
• 闭包封装状态，回调场景的天然选择；
• args... 收集、调用侧 ... 展开，一对镜像语法；
• 关键字参数用分号声明，调用时可省略；
• do 块把回调写成控制流，open ... do io 立刻用起来。