Python等同于Matlab的持久性

Question

可能重复：
函数内的静态变量在Python中的等效项是什么？

我尝试编写一个递归函数。迭代向量，并给出一个值，该值取决于当前值和先前值。在Matlab中，我可以persistent在函数内部声明一个变量，并且在调用该函数后将其值存储在内存中，因此该函数的下一次调用将从先前的值开始。

这是我从简单移动平均线开始的内容：

def AvgFilter(x):
    if not firstRun:  # checks if runs for first time, i.e. firstRun is empty
        k = 1        # setup initial variables if run for first time
        prevAvg = 0  # prevAvg - the average calculated during last call
        firstRun = 1 # only for initialisation
    alpha = (k-1)/k  
    avg = alpha * prevAvg + (1 - alpha)*x
    prevAvg = avg
    k = k + 1    
    return avg

我需要k prevAvg firstRun在函数调用之间记住变量。我读到它可以通过装饰器完成，我确实尝试@counter过在功能之前实现它的设置，但不确定如何实现。装饰器是唯一的方法（没有找到其他东西）吗？以及如何编写计数器函数来存储我的变量？我有点担心，以后再进行更复杂的递归操作时，我会完全被装饰器的想法迷失。

Answer 1

听起来像是发电机的工作！生成器让您假装自己只是在循环中一次计算一个值，但实际上会暂停执行并在调用时返回一个值yield。

def AvgFilter():
    k = 1
    avg = 0
    while True:
        alpha = (k-1)/float(k)
        x = yield avg # yield/return the old average, and get the new input value
        avg = alpha * avg + (1 - alpha)*x
        k = k + 1

f = AvgFilter()
print f.next()
print f.send(1)
print f.send(2)
print f.send(20)
print f.send(20)

# 0
# 1.0
# 1.5
# 7.66666666667
# 10.75

Answer 2

感谢 @Thomas Orozco 和 @jtbandes 的回答 经过漫长的几天后，我终于按照我想要的方式工作了。代码和一些测试是：

x = [10,2,30,4,50]
class avgFil2(object):
    def __init__(self):
        self.avg = 0
        self.k = 1.0
    def __call__(self, x):
        alpha = (self.k-1.0)/self.k  
        self.avg = alpha * self.avg + (1 - alpha)*x
        self.k +=1
       return self.avg

def simpleTest(x = x):     
    average = []
    avg = avgFil2()               # new variable and creation of instance (all initialisation)
    for i in range(len(x)):
        print 'input %f' % x[i] 
        print 'before change avg.avg=%f, k=%f' % (avg.avg, avg.k)   
        average.append(avg(x[i])) # class is called here, so all changes going on
        print 'after change avg.avg=%f, k=%f' % (avg.avg, avg.k)  
        print 'The output average is %f' % average[i]

simpleTest()

该代码与 Matlab 确实不同，但很好。重要的陷阱是初始化k=1.0为float不k=1初始化int，因为alpha除法计算结果为整数时会为零。另一件事，我必须初始化为“self.k”而不是“k”，否则会给出错误。生成器可能也可以工作，但我喜欢class解决方案。