DolphinDB自定义函数：打造专属工具库

七夜zippoe2026-04-21 13:13

目录

    • 摘要
    • 一、函数基础
      • [1.1 函数定义语法](#1.1 函数定义语法)
      • [1.2 函数组成部分](#1.2 函数组成部分)
      • [1.3 返回值](#1.3 返回值)
    • 二、参数传递
      • [2.1 位置参数](#2.1 位置参数)
      • [2.2 默认参数](#2.2 默认参数)
      • [2.3 可变参数](#2.3 可变参数)
      • [2.4 参数类型检查](#2.4 参数类型检查)
    • 三、高级特性
      • [3.1 闭包](#3.1 闭包)
      • [3.2 高阶函数](#3.2 高阶函数)
      • [3.3 递归函数](#3.3 递归函数)
      • [3.4 函数重载](#3.4 函数重载)
    • 四、匿名函数与Lambda
      • [4.1 匿名函数](#4.1 匿名函数)
      • [4.2 部分应用](#4.2 部分应用)
      • [4.3 函数组合](#4.3 函数组合)
    • 五、工业物联网实战案例
      • [5.1 设备状态判断函数](#5.1 设备状态判断函数)
      • [5.2 设备健康评分函数](#5.2 设备健康评分函数)
      • [5.3 异常检测函数](#5.3 异常检测函数)
      • [5.4 数据质量检查函数](#5.4 数据质量检查函数)
    • 六、模块化编程
      • [6.1 模块定义](#6.1 模块定义)
      • [6.2 模块使用](#6.2 模块使用)
      • [6.3 函数库管理](#6.3 函数库管理)
    • 七、性能优化
      • [7.1 向量化优化](#7.1 向量化优化)
      • [7.2 避免重复计算](#7.2 避免重复计算)
      • [7.3 使用内置函数](#7.3 使用内置函数)
    • 八、调试技巧
      • [8.1 打印调试](#8.1 打印调试)
      • [8.2 断言检查](#8.2 断言检查)
      • [8.3 异常处理](#8.3 异常处理)
    • 九、最佳实践
      • [9.1 函数设计原则](#9.1 函数设计原则)
      • [9.2 代码示例](#9.2 代码示例)
    • 十、总结
    • 参考资料

摘要

本文深入讲解DolphinDB自定义函数的开发技巧，从基础函数定义到高级特性应用。详细介绍参数传递、返回值处理、闭包、递归、函数重载等核心概念，并提供工业物联网场景的实战案例。同时涵盖模块化编程、函数库管理、性能优化等最佳实践，帮助读者构建高效可复用的函数库。本文适合需要在DolphinDB上进行应用开发的工程师阅读。

一、函数基础

1.1 函数定义语法

DolphinDB使用 def 关键字定义函数：

python 复制代码 
// 基本函数定义
def add(a, b) {
    return a + b
}

// 调用函数
add(1, 2)                     // 3
add(1.5, 2.5)                 // 4.0

1.2 函数组成部分

函数结构
def关键字
函数名
参数列表
函数体
返回值

1.3 返回值

python 复制代码 
// 单返回值
def square(x) {
    return x * x
}
square(5)                     // 25

// 多返回值
def stats(v) {
    return avg(v), max(v), min(v), std(v)
}
a, m, n, s = stats(1..100)
// a=50.5, m=100, n=1, s=28.866

// 无返回值
def printInfo(msg) {
    print("INFO: " + msg)
}
printInfo("Hello")            // 打印信息，返回void

二、参数传递

2.1 位置参数

python 复制代码 
// 位置参数（按顺序传递）
def createPoint(x, y, z) {
    return [x, y, z]
}
createPoint(1, 2, 3)          // [1, 2, 3]

2.2 默认参数

python 复制代码 
// 默认参数
def greet(name, greeting="Hello") {
    return greeting + ", " + name + "!"
}

greet("DolphinDB")            // "Hello, DolphinDB!"
greet("DolphinDB", "Hi")      // "Hi, DolphinDB!"
greet("DolphinDB", greeting="Welcome")  // "Welcome, DolphinDB!"

2.3 可变参数

python 复制代码 
// 可变参数
def sumAll(...) {
    args = getArgs()
    total = 0
    for (arg in args) {
        total += arg
    }
    return total
}

sumAll(1, 2, 3, 4, 5)         // 15
sumAll(10, 20, 30)            // 60

2.4 参数类型检查

python 复制代码 
// 类型检查函数
def safeDivide(a, b) {
    if (typestr(a) != "DOUBLE" and typestr(a) != "INT") {
        throw "参数a必须是数值类型"
    }
    if (typestr(b) != "DOUBLE" and typestr(b) != "INT") {
        throw "参数b必须是数值类型"
    }
    if (b == 0) {
        throw "除数不能为0"
    }
    return a / b
}

safeDivide(10, 2)             // 5
safeDivide(10, 0)             // 抛出异常

三、高级特性

3.1 闭包

闭包是指函数可以访问其外部作用域的变量：

python 复制代码 
// 闭包示例
def makeMultiplier(factor) {
    // 返回一个函数，该函数可以访问外部的factor变量
    return def (x) {
        return x * factor
    }
}

double = makeMultiplier(2)
triple = makeMultiplier(3)

double(5)                     // 10
triple(5)                     // 15

3.2 高阶函数

高阶函数是指接受函数作为参数或返回函数的函数：

python 复制代码 
// 高阶函数：接受函数作为参数
def applyTwice(f, x) {
    return f(f(x))
}

def addOne(x) { return x + 1 }
applyTwice(addOne, 5)          // 7

// 高阶函数：返回函数
def makeAdder(n) {
    return def (x) { return x + n }
}

add5 = makeAdder(5)
add5(10)                       // 15

3.3 递归函数

python 复制代码 
// 递归计算阶乘
def factorial(n) {
    if (n <= 1) return 1
    return n * factorial(n - 1)
}
factorial(5)                   // 120

// 递归计算斐波那契数列
def fibonacci(n) {
    if (n <= 1) return n
    return fibonacci(n - 1) + fibonacci(n - 2)
}
fibonacci(10)                  // 55

// 尾递归优化版本
def factorialTail(n, acc=1) {
    if (n <= 1) return acc
    return factorialTail(n - 1, n * acc)
}
factorialTail(100)             // 100!

3.4 函数重载

DolphinDB不支持传统函数重载，但可以通过参数判断实现：

python 复制代码 
// 通过参数类型实现"重载"
def process(data) {
    type = typestr(data)
    
    if (type == "INT" or type == "DOUBLE") {
        return data * 2
    } else if (type == "STRING") {
        return upper(data)
    } else if (type == "VECTOR") {
        return data * 2
    } else {
        throw "不支持的类型: " + type
    }
}

process(10)                    // 20
process("hello")               // "HELLO"
process([1, 2, 3])             // [2, 4, 6]

四、匿名函数与Lambda

4.1 匿名函数

python 复制代码 
// 匿名函数定义
f = def (x) { return x * x }
f(5)                           // 25

// 简写形式（Lambda表达式）
f = def (x) { x * x }          // 省略return
f(5)                           // 25

// 在高阶函数中使用
each(def (x) { x * 2 }, 1..5)  // [2, 4, 6, 8, 10]

4.2 部分应用

python 复制代码 
// 部分应用：固定部分参数
def add(a, b, c) {
    return a + b + c
}

// 固定第一个参数
add5 = add{5, }
add5(1, 2)                     // 8

// 固定后两个参数
add10 = add{, 5, 5}
add10(1)                       // 11

// 固定中间参数
addMiddle = add{, 5, }
addMiddle(1, 2)                // 8

4.3 函数组合

python 复制代码 
// 函数组合
def compose(f, g) {
    return def (x) { return f(g(x)) }
}

double = def (x) { x * 2 }
increment = def (x) { x + 1 }

doubleThenIncrement = compose(increment, double)
doubleThenIncrement(5)         // 11

incrementThenDouble = compose(double, increment)
incrementThenDouble(5)         // 12

五、工业物联网实战案例

5.1 设备状态判断函数

python 复制代码 
// 设备状态综合判断
def getDeviceStatus(temperature, humidity, pressure, vibration) {
    // 温度状态
    tempStatus = iif(temperature > 35, "高温警告",
                 iif(temperature < 10, "低温警告", "正常"))
    
    // 湿度状态
    humidStatus = iif(humidity > 80, "高湿警告",
                  iif(humidity < 30, "低湿警告", "正常"))
    
    // 压力状态
    pressStatus = iif(pressure > 1020, "高压警告",
                  iif(pressure < 980, "低压警告", "正常"))
    
    // 振动状态
    vibStatus = iif(vibration > 4.0, "振动异常",
                iif(vibration > 3.0, "振动偏高", "正常"))
    
    // 综合判断
    warnings = [tempStatus, humidStatus, pressStatus, vibStatus]
    warningCount = sum(iif(warnings != "正常", 1, 0))
    
    if (warningCount == 0) {
        return "正常"
    } else if (warningCount == 1) {
        return "轻微异常"
    } else if (warningCount <= 2) {
        return "中度异常"
    } else {
        return "严重异常"
    }
}

// 应用函数
getDeviceStatus(38.0, 50.0, 1010.0, 2.0)   // "轻微异常"（高温）
getDeviceStatus(38.0, 85.0, 1025.0, 4.5)   // "严重异常"

5.2 设备健康评分函数

python 复制代码 
// 设备健康评分计算
def calculateHealthScore(temperature, humidity, pressure, vibration, power) {
    // 温度评分（理想值25°C）
    tempScore = 100 - abs(temperature - 25) * 2
    tempScore = max(0, min(100, tempScore))
    
    // 湿度评分（理想值50%）
    humidScore = 100 - abs(humidity - 50) * 0.5
    humidScore = max(0, min(100, humidScore))
    
    // 压力评分（理想值1013hPa）
    pressScore = 100 - abs(pressure - 1013) * 0.1
    pressScore = max(0, min(100, pressScore))
    
    // 振动评分（越小越好）
    vibScore = 100 - vibration * 20
    vibScore = max(0, min(100, vibScore))
    
    // 功率评分（稳定性）
    // 这里假设power是当前功率，理想值300W
    powerScore = 100 - abs(power - 300) * 0.1
    powerScore = max(0, min(100, powerScore))
    
    // 综合评分（加权平均）
    weights = [0.25, 0.20, 0.15, 0.25, 0.15]
    scores = [tempScore, humidScore, pressScore, vibScore, powerScore]
    
    totalScore = 0
    for (i in 0..5) {
        totalScore += scores[i] * weights[i]
    }
    
    return totalScore
}

// 批量应用
t = table(
    rand(20..30, 100) as temperature,
    rand(40..60, 100) as humidity,
    rand(1000..1020, 100) as pressure,
    rand(0.0..5.0, 100) as vibration,
    rand(100..500, 100) as power
)

t[`healthScore] = each(calculateHealthScore, 
    t.temperature, t.humidity, t.pressure, t.vibration, t.power)

5.3 异常检测函数

python 复制代码 
// 基于Z-score的异常检测
def detectAnomaly(data, threshold=3.0) {
    mean = avg(data)
    stdDev = std(data)
    
    if (stdDev == 0) {
        return false
    }
    
    zScore = abs((data - mean) / stdDev)
    return zScore > threshold
}

// 批量异常检测
def detectAnomalies(data, window=10, threshold=3.0) {
    n = size(data)
    result = array(BOOL, n, n, false)
    
    for (i in window..n) {
        windowData = data[(i-window+1):(i+1)]
        result[i] = detectAnomaly(data[i], threshold) and 
                    detectAnomaly(windowData, threshold)
    }
    
    return result
}

// 应用示例
data = rand(100.0, 1000)
data[500] = 500  // 注入异常值
anomalies = detectAnomalies(data)
sum(anomalies)  // 异常点数量

5.4 数据质量检查函数

python 复制代码 
// 数据质量检查
def checkDataQuality(table, columns) {
    results = table(1:0, `column`total`null_count`null_rate`unique_count`min_val`max_val, 
                    [STRING, LONG, LONG, DOUBLE, LONG, STRING, STRING])
    
    for (col in columns) {
        data = table[col]
        total = size(data)
        nullCount = sum(isNull(data))
        nullRate = nullCount * 100.0 / total
        uniqueCount = size(distinct(data))
        minVal = string(min(data))
        maxVal = string(max(data))
        
        results.append!(table(col, total, nullCount, nullRate, uniqueCount, minVal, maxVal))
    }
    
    return results
}

// 使用示例
t = loadTable("dfs://sensor_db", "sensor_data")
quality = checkDataQuality(t, `temperature`humidity`pressure)

六、模块化编程

6.1 模块定义

python 复制代码 
// 文件: modules/iot_functions.dos

// 模块声明
module iot_functions

// ========== 状态判断函数 ==========

def getDeviceStatus(temperature, humidity, pressure, vibration) {
    tempStatus = iif(temperature > 35, "高温警告",
                 iif(temperature < 10, "低温警告", "正常"))
    humidStatus = iif(humidity > 80, "高湿警告",
                  iif(humidity < 30, "低湿警告", "正常"))
    pressStatus = iif(pressure > 1020, "高压警告",
                  iif(pressure < 980, "低压警告", "正常"))
    vibStatus = iif(vibration > 4.0, "振动异常",
                iif(vibration > 3.0, "振动偏高", "正常"))
    
    warnings = [tempStatus, humidStatus, pressStatus, vibStatus]
    warningCount = sum(iif(warnings != "正常", 1, 0))
    
    return iif(warningCount == 0, "正常",
           iif(warningCount == 1, "轻微异常",
           iif(warningCount <= 2, "中度异常", "严重异常")))
}

// ========== 健康评分函数 ==========

def calculateHealthScore(temperature, humidity, pressure, vibration, power) {
    tempScore = max(0, min(100, 100 - abs(temperature - 25) * 2))
    humidScore = max(0, min(100, 100 - abs(humidity - 50) * 0.5))
    pressScore = max(0, min(100, 100 - abs(pressure - 1013) * 0.1))
    vibScore = max(0, min(100, 100 - vibration * 20))
    powerScore = max(0, min(100, 100 - abs(power - 300) * 0.1))
    
    return tempScore * 0.25 + humidScore * 0.20 + pressScore * 0.15 + 
           vibScore * 0.25 + powerScore * 0.15
}

// ========== 单位转换函数 ==========

def celsiusToFahrenheit(celsius) {
    return celsius * 9 / 5 + 32
}

def fahrenheitToCelsius(fahrenheit) {
    return (fahrenheit - 32) * 5 / 9
}

def pascalToBar(pascal) {
    return pascal / 100000
}

def barToPascal(bar) {
    return bar * 100000
}

6.2 模块使用

python 复制代码 
// 加载模块
use iot_functions

// 使用模块中的函数
status = getDeviceStatus(38.0, 50.0, 1010.0, 2.0)
score = calculateHealthScore(25.0, 50.0, 1013.0, 1.0, 300.0)
fahrenheit = celsiusToFahrenheit(25.0)

6.3 函数库管理

函数库结构
modules/
iot_functions.dos

物联网函数
statistical.dos

统计函数
utils.dos

工具函数
状态判断
健康评分
单位转换
描述统计
假设检验
字符串处理
日期处理

七、性能优化

7.1 向量化优化

python 复制代码 
// 不推荐：循环调用
def processEach(data) {
    result = array(DOUBLE, 0)
    for (d in data) {
        result.append!(d * 2 + 1)
    }
    return result
}

// 推荐：向量化处理
def processVector(data) {
    return data * 2 + 1
}

// 性能对比
data = rand(100.0, 1000000)
// processEach(data)  // 慢
// processVector(data)  // 快100倍以上

7.2 避免重复计算

python 复制代码 
// 不推荐：重复计算
def badExample(data) {
    return avg(data) + max(data) - avg(data)  // avg计算两次
}

// 推荐：缓存结果
def goodExample(data) {
    avgVal = avg(data)
    return avgVal + max(data) - avgVal
}

7.3 使用内置函数

python 复制代码 
// 不推荐：自己实现
def mySum(data) {
    total = 0
    for (d in data) {
        total += d
    }
    return total
}

// 推荐：使用内置函数
sum(data)  // 内置函数经过高度优化

八、调试技巧

8.1 打印调试

python 复制代码 
def debugExample(x, y) {
    print("输入参数: x=" + string(x) + ", y=" + string(y))
    
    result = x + y
    print("中间结果: " + string(result))
    
    result = result * 2
    print("最终结果: " + string(result))
    
    return result
}

8.2 断言检查

python 复制代码 
def safeFunction(data) {
    assert(size(data) > 0, "数据不能为空")
    assert(typestr(data) == "VECTOR", "参数必须是向量")
    
    result = avg(data)
    assert(not isNull(result), "计算结果不能为空")
    
    return result
}

8.3 异常处理

python 复制代码 
def robustFunction(data) {
    try {
        result = someRiskyOperation(data)
        return result
    } catch(ex) {
        print("错误: " + ex)
        return null
    }
}

九、最佳实践

9.1 函数设计原则

原则 说明 示例
单一职责 一个函数只做一件事 calculateAvg() 而非 calculateAll()
命名清晰 函数名表达意图 getDeviceStatus() 而非 check()
参数合理 参数数量适中 不超过5个参数
有文档 添加注释说明 说明参数、返回值

9.2 代码示例

python 复制代码 
// 好的函数设计
/**
 * 计算设备健康评分
 * @param temperature 温度（摄氏度）
 * @param humidity 湿度（百分比）
 * @param pressure 压力（hPa）
 * @param vibration 振动（mm/s）
 * @param power 功率（W）
 * @return 健康评分（0-100）
 */
def calculateHealthScore(temperature, humidity, pressure, vibration, power) {
    // 实现代码...
}

十、总结

本文详细介绍了DolphinDB自定义函数的开发技巧。核心要点如下：

  1. 函数基础：定义、参数、返回值
  2. 高级特性：闭包、高阶函数、递归
  3. 匿名函数：Lambda表达式、部分应用
  4. 工业应用：状态判断、健康评分、异常检测
  5. 模块化：模块定义、函数库管理
  6. 性能优化：向量化、避免重复计算

思考题：

  1. 如何设计一个可复用的设备状态判断函数库？
  2. 闭包在工业物联网场景中有哪些应用？
  3. 如何平衡函数的灵活性和性能？

参考资料

相关推荐
深念Y1 天前
AI 写代码总跑偏？我逼它回到“函数级颗粒度”
ai·软件工程·agent·函数·coding·vibe coding·代码补全
七夜zippoe2 天前
DolphinDB SQL查询：从简单到复杂
数据库·sql·mysql·查询·dolphindb
七夜zippoe3 天前
DolphinDB SQL查询：从基础到进阶
数据库·sql·进阶·聚合·dolphindb
C雨后彩虹3 天前
Java Lambda & Stream 避坑指南：20个高频错误案例分析与修复
java·stream·lambda·并行流
来自远方的老作者4 天前
第9章 函数-9.9 函数式编程
python·函数·回调函数·lambda表达式·函数闭包·偏函数·函数装饰器
七夜zippoe4 天前
DolphinDB脚本语言：从入门到精通
后端·struts·脚本·语言·dolphindb
TG_yunshuguoji4 天前
亚马逊云代理商：如何使用 CloudWatch 监控 AWS Lambda 函数日志？
云计算·aws·lambda·云服务器·cloudwatch
七夜zippoe5 天前
DolphinDB数据模型：表、分区与分布式表
分布式·wpf·数据模型·表·dolphindb
西西弗Sisyphus6 天前
Python Lambda 表达式等价普通函数实现
python·lambda
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点032026 年 AI 编程助手全面对比评测：Cursor vs Copilot vs Claude Code vs GitHub Copilot Free042026年4月AI大事件深度解读：大模型竞争进入“深水区“05Claude Code Windows 兼容性问题：指定版本 2.1.112 可解决06AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析07UBUNTU Claude Code 报错 claude native binary not installed08从限购到畅通：GLM-5.1 Coding Plan接入攻略09近期有什么ai的新消息，新动态？ 2026.4月10从零部署 Hermes Agent：一只"会成长的 AI 马"保姆级安装教程