以下是由ChatGPT協助生成：
在 Python 裡，函式本身也是一種物件，可以：
-
指派給變數
-
放進資料結構（如 list）
-
當作參數傳遞
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | def carbon_calc(area): """計算單位面積月減碳量（假設固定係數）""" return round(area * 0.12, 2) def water_calc(area): """計算單位面積月節水量""" return round(area * 0.08, 2) # 函式指派給變數 c_func = carbon_calc print("函式當變數使用：", c_func(10)) # 函式放入清單 calculators = [carbon_calc, water_calc] for func in calculators: print(f"{func.__name__}：{func(5)}") # 函式當作參數傳遞 def apply_to_area(func, area): return func(area) print("傳遞函式當參數：", apply_to_area(water_calc, 8)) |
執行結果：
函式當變數使用： 1.2
carbon_calc：0.6
water_calc：0.4
傳遞函式當參數： 0.64
📌 重點：
-
函式本身可以像資料一樣被傳遞與儲存。
-
為後面 closure 與 decorator 打基礎。
匿名函式適合用於小型、一次性邏輯，特別是排序、映射或高階函式中。
範例二：Lambda 函式（匿名函式）
1 2 3 4 5 6 7 8 9 10 11 12 13 | # lambda 版本的碳排計算 carbon_lambda = lambda area: round(area * 0.15, 2) print("lambda 計算碳排：", carbon_lambda(10)) # lambda 用於 list 遍歷 areas = [3.3, 5.5, 10] results = list(map(lambda a: round(a * 0.1, 2), areas)) print("lambda map 結果：", results) # lambda 與 sorted 搭配 ponds = [("A池", 5), ("B池", 10), ("C池", 3)] sorted_ponds = sorted(ponds, key=lambda x: x[1], reverse=True) print("依面積排序魚池：", sorted_ponds) |
執行結果：
lambda 計算碳排： 1.5
lambda map 結果： [0.33, 0.55, 1.0]
依面積排序魚池： [('B池', 10), ('A池', 5), ('C池', 3)]
📌 重點：
-
lambda = 匿名函式，可快速撰寫簡單邏輯。
-
適合與 map / filter / sorted 等搭配。
yield 逐步產生資料，適合處理每月模擬資料流👇範例三：產生器（Generator）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | import random def aquaponics_generator(months, area=3.3058): """每次呼叫 yield 一個月份的模擬資料""" for month in range(1, months + 1): seasonal_factor = 1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0 carbon = area * 0.12 * seasonal_factor + random.uniform(-0.5, 0.5) water = area * 0.08 * seasonal_factor + random.uniform(-0.05, 0.05) yield month, round(carbon, 2), round(water, 2) # 使用 generator sim = aquaponics_generator(6) for m, c, w in sim: print(f"第 {m} 月：減碳 {c} kg，節水 {w} m³") |
執行結果：
第 1 月：減碳 0.73 kg，節水 0.24 m³
第 2 月：減碳 -0.07 kg，節水 0.3 m³
第 3 月：減碳 0.78 kg，節水 0.25 m³
第 4 月：減碳 -0.03 kg，節水 0.3 m³
第 5 月：減碳 0.88 kg，節水 0.24 m³
第 6 月：減碳 0.78 kg，節水 0.36 m³
📌 重點：
-
yield會回傳一筆資料，但保留函式狀態。 -
適合大量資料的逐筆處理。
內部函式就是在函式中再定義函式，可以封裝邏輯，避免汙染全域命名空間👇
範例四：內部函式（Inner Function）
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | def simulate_one_year(area): """外部函式：包一年模擬""" def simulate_month(m): """內部函式：只在一年模擬裡用""" factor = 1.2 if 6 <= (m % 12 or 12) <= 8 else 1.0 return round(area * 0.1 * factor, 2) results = [] for month in range(1, 13): results.append(simulate_month(month)) return results print("一年模擬結果：", simulate_one_year(5)) |
執行結果：
一年模擬結果： [0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6, 0.6, 0.5, 0.5, 0.5, 0.5]
📌 重點：
-
simulate_month只存在simulate_one_year裡。 -
有助於模組化程式與邏輯分層。
閉包的意思是要讓內部函式「記住」外部函式的變數，即使外部函式已經結束👇
範例五：Closure 函式（閉包）1 2 3 4 5 6 7 8 9 10 11 12 | def make_carbon_calculator(base_factor): """回傳一個記住 base_factor 的函式""" def calculator(area): return round(area * base_factor, 2) return calculator # 建立兩種不同設定的計算器 summer_calc = make_carbon_calculator(0.15) # 夏季 winter_calc = make_carbon_calculator(0.10) # 冬季 print("夏季碳排：", summer_calc(10)) print("冬季碳排：", winter_calc(10)) |
執行結果：
夏季碳排： 1.5
冬季碳排： 1.0
📌 重點：
-
閉包讓函式能夠「攜帶環境」。
-
很適合製作客製化計算器或累積器。
裝飾器可用於增強函式，例如：
-
日誌紀錄
-
輸入檢查
-
統計運行時間
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import functools def log_simulation(func): """裝飾器：在模擬前後加上日誌""" @functools.wraps(func) def wrapper(*args, **kwargs): print("👉 開始模擬") result = func(*args, **kwargs) print("✅ 模擬完成") return result return wrapper @log_simulation def run_simulation(months): for m in range(1, months + 1): print(f"模擬第 {m} 月...") return "模擬結束" print(run_simulation(3)) |
執行結果：
👉 開始模擬
模擬第 1 月...
模擬第 2 月...
模擬第 3 月...
✅ 模擬完成
模擬結束
📌 重點：
-
Decorator 是高階函式，輸入函式，回傳包裝過的函式。
-
@decorator_name是語法糖，等同於func = decorator(func)。
