这是面向新用户的 Python 教程，并结合了 JoinQuant 获取到的数据进行了讲解。
如果你之前没有学过 Python， 或者对 Python 不熟，那不要再犹豫了，这个教程就是为你准备的！
更多内容请查看量化课堂 - Python编程板块。
本节概要： 主要介绍了函数一些扩展公能，比如定义全局变量、编写匿名函数、编写递归函数等等
【Python入门（7）】函数【选修篇】¶
这一节会讲解一些函数的其他功能，如全局变量、递归函数、匿名函数lambda。他可以很大效率的提升你的工作效率！
一、global声明了一个全局变量¶
全局变量是位于模块文件内部的顶层的变量名
全局变量如果是在函数内被赋值的话，必须经过声明
全局变量名在函数的内部不经过声明也可以被引用
在JoinQuant平台运行回测时，除了可以使用global定义全局变量，也可以中使用全局对象g，https://www.joinquant.com/api#g
这是为了方便用户使用，我们自己定义的方法！
在模拟盘中，如果中途进程中断，我们会使用pickle.dumps序列化所有的g下面的变量内容, 保存到磁盘中，再启动的时候模拟盘就不会有任何数据影响。如果没有用g声明，会出现模拟盘重启后，变量数据丢失的问题。
Python查找名字的规则是LGB规则：
- 大多数名字引用在三个作用域中查找：先局部(Local)，次之全局(Global)，再次之内置(Build-in)。
x = 88
def func():
global x
x = 99
func()
print x
y,z = 1,2
def all_global():
global x
x = y + z
all_global()
print x
二、匿名函数 lambda¶
python 使用 lambda 来创建匿名函数。
lambda只是一个表达式，函数体比def简单很多。
lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
lambda函数拥有自己的名字空间，且不能访问自有参数列表之外或全局名字空间里的参数。
虽然lambda函数看起来只能写一行，却不等同于C或C++的内联函数，后者的目的是调用小函数时不占用栈内存从而增加运行效率。
import time
start = time.clock()
fib=lambda n,x=0,y=1:x if not n else fib(n-1,y,x+y)
print fib(20)
end = time.clock()
print "read: %f s" % (end - start)
start = time.clock()
fib=lambda n:1 if n<=2 else fib(n-1)+fib(n-2)
print fib(20)
end = time.clock()
print "read: %f s" % (end - start)
三、Python函数中的多态¶
一个操作的意义取决于被操作对象的类型
def times(x,y):
return x*y
times(2,4)
# 传递了与上不同的数据类型
times('Python',4)
def intersect(s1,s2):
return [x for x in s1 if x in s2]
s1 = 'Python'
s2 = 'python'
intersect(s1,s2)
# 传递了不同的数据类型
intersect([1,2,3],(1,4))
四、递归¶
（1）递归就是在过程或函数里调用自身；
（2）在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
递归算法一般用于解决三类问题： （1）数据的定义是按递归定义的。（比如Fibonacci函数） （2）问题解法按递归算法实现。（回溯） （3）数据的结构形式是按递归定义的。（比如树的遍历，图的搜索）
递归的缺点：递归算法解题的运行效率较低。在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。
示例：斐波那契数列
斐波那契数列由十三世纪意大利数学家斐波那契发现。数列中的一系列数字常被人们称之为神奇数奇异数。具体数列为：0，1，1，2，3，5，8，13，21，34，55，89，144，233等，从该数列的第三项数字开始，每个数字等于前两个相邻数字之和。而斐波那契数列中相邻两项之商就接近黄金分割数0.618，与这一数字相关的0.191、0.382、0.5和0.809等数字就构成了股市中关于市场时间和空间计算的重要数字。
在金融市场的分析方法中，斐波那契数字频频出现。例如，在波浪理论中，一轮牛市行情可以用1个上升浪来表示，也可以用5个低一个层次的小浪来表示，还可继续细分为21个或89个小浪；在空间分析体系中，反弹行情的高度通常是前方下降趋势幅度的0.382、0.5、0.618；回调行情通常是前方上升趋势的0.382、0.5和0.618。
def fib(num):
result=[0,1]
for i in range(num-2):
result.append(result[-2]+result[-1])
return result
print fib(15)
import time
start = time.clock()
def fib(n):
if n<=2:return 1
else:
return fib(n-1)+fib(n-2)
print fib(20)
end = time.clock()
print "read: %f s" % (end - start)
start = time.clock()
def fib(n):
return n<=2 and 1 or fib(n-1)+fib(n-2)
print fib(20)
end = time.clock()
print "read: %f s" % (end - start)
