Python基础 函数

Posted 2021-03-11 wisefaith

　　函数是组织好的、可重复使用的、用户实现单一或者关联功能的代码段，能够提高应用模块性和代码的重复利用率。

1 函数定义和调用

　　（1）代码块以def关键字开头，后接函数标识符名称和圆括号（）

　　（2）任何传入参数和自变量必须放在圆括号中间

　　（3）函数的第一行语句可以选择性的使用文档字符串（用于函数说明）

　　（4）函数内容以冒号起始，并且缩进

　　1.1 声明语法

Def 函数名（[参数]）:

　　# 函数说明

　　要封装的代码块

　　1.2 调用语法

函数名([参数列表])

　　函数名其实是指向一个函数对象的引用，完全可以把函数名赋值给一个变量，相当于给这个函数起了一个别名。

def SayHi(): # 不带参
    print(‘大家好！‘)
SayHi()    # 大家好！ 

def AddNum(a, b):   # 带参
    return a+b
print(AddNum(4, 2))     # 6

　　文档字符串：在函数体的第一个逻辑行的字符串，主要用于给函数示意，只能通过三个引号备注

def SayHi():    # 不带参
    """这是不带参数的函数示例"""
    print(‘大家好！‘)
print(SayHi.__doc__)    # 这是不带参数的函数示例
SayHi()     # 大家好！ 

2 函数的参数

　　2.1 必备参数

　　形参：定义函数时的参数；

　　实参：调用函数时的参数，形参和实参的位置必须一致，只有这样才能被正确匹配

　　2.2 关键字参数

　　传递给函数的名称-值对。直接在实参中将名称和值关联起来，因此向函数传递实参时不会混淆。

　　函数调用使用关键字参数来确定传入的值，并且允许参数顺序与声明时不一致，Python解释器能够用参数名匹配参数值。

def InFo(name, address):
    print(‘大家好，我叫%s来自%s!‘ % (name, address))
InFo(address=‘Hangzhou‘, name=‘Faith‘)

　　2.3 默认参数

　　也可以在定义形参的时候直接给参数添加默认值。带有默认值的形参必须放在右边，对应的实参可省略，以默认值代替，否则为实参值。

def SayHi(hi, times=2):
    print(hi * times)
SayHi(‘Goodmorning! ‘, 1)   # 实参值1 Goodmorning!
SayHi(‘Goodmorning! ‘)      # 默认值2 Goodmorning! Goodmorning!
SayHi(‘Goodmorning! ‘, 3)   # 实参值3 Goodmorning! Goodmorning! Goodmorning! 

　　2.4 不定长参数

　　（1）*name：加星号 * 的参数会以元组（tuple）形式导入，存放所有未命名的变量参数，在传入额外的参数时可以不用指明参数名，直接传入参数值即可

def func(a, b, *args):
    print(a)
    print(b)
    print(args)
func(1, 2, 3, 4, 5)

# 1
# 2
# (3, 4, 5)

　　（2）**name：加两个星号 ** 的参数会以字典的形式导入，该方式返回的是字典，所以传入时需要指定参数名，否则会报错

def func(a, b, **args):
    print(a)
    print(b)
    print(args)
func(1, 2, x=3, y=4, z=5)

# 1
# 2
# {‘x‘: 3, ‘y‘: 4, ‘z‘: 5}

　　2.5 可变对象与不可变对象

　　不可变对象：字符串（strings）、元组（tuples）、标量（numbers），传递的是对象的值，不是对象本身，如果修改值，修改的是另一个复制的对象，不会影响原来对象

def fun(arg): 
    args = ‘hello‘
    print(args)
str1 = ‘baby‘
fun(str1)       # hello
print(str1)     # baby

　　可变对象：列表（list）、字典（dict）、集合（set），  传递对象自己，函数内部如果修改值会影响对象本身。

def fun(args):
    args[0] = ‘hello‘
    print(args)
list1 = [‘baby‘, ‘money‘]
fun(list1)       # [‘hello‘, ‘money‘]
print(list1)     # [‘hello‘, ‘money‘]

　　2.6 局部变量和全局变量

　　局部变量：只在函数体内有效

a = 1
def ChangeNum(a):   # a为局部变量，不影响函数体外的值
    a += 1
    return a
print(‘调用函数前，a的值为：‘, a)   # 调用函数前，a的值为： 1
print(‘函数的返回值为：‘, ChangeNum(a))     # 函数的返回值为： 2
print(‘调用函数后，a的值为：‘, a)   # 调用函数后，a的值为： 1

 　　在函数内的变量前加“global”修饰，即可将变量更改为全局变量，对整个代码有效

def func():
    global x
    print(‘函数体中x的值为：‘, x)   # 函数体中x的值为： 50
    x = 2
    return x
x = 50
print(‘调用函数前，x的值为：‘, x)   # 调用函数前，x的值为： 50
print(‘函数返回的值为：‘, func())   # 函数返回的值为： 2
print(‘调用函数后，x的值为：‘, x)   # 调用函数后，x的值为： 2 

　　2.7 return语句

　　用于退出函数，选择性的向调用者返回一个表达式，直接return的语句返回None。注意：return后语句不再执行

def max(x, y):
    if x > y:
        return x
    else:
        return y
num = max(1, 2)
print(num)

　　return和print的区别：print是将结果输出到控制台，return是结束函数调用，并将结果返回给调用者，且返回的结果不能输出到控制台（不能直接打印），需要通过print才能显示出来

3 重要函数

　　3.1 lambda函数

　　匿名函数：没有具体名字

a = lambda x: x**2
print(a(4))     # 16

　　3.2 递归函数

　　递归就是子程序/函数直接调用自己或通过一系列调用语句间接调用自己，是一种描述问题和解决问题的基本方法。

def func(n):
    if n == 1:
        return 1
    else:
        return n*func(n-1)
print(func(5))      # 120

　　3.3内置函数

　　Python内置函数很多，可搜索资料练习。

　　3.4 高阶函数

　　一个函数可以作为参数传给另外一个函数，或者一个函数的返回值为另外一个函数（若返回值为该函数本身，则为递归），满足其一则为高阶函数。　　

　　函数式编程：

　　（1）函数本身可以赋值给变量，赋值后变量为函数；

　　（2）允许将函数本身作为参数传入另一个函数；

　　（3）允许返回一个函数。　　

#参数为函数
def bar():
    print("in the bar..")
def foo(func):
    func()
    print("in the foo..")
foo(bar)
# in the bar..
# in the foo.. 

# 返回值为函数
def bar():
    print("in the bar..")
def foo(func):
    print("in the foo..")
    return bar
res=foo(bar)
res()
# in the foo..
# in the bar..

　　注：函数名（例如bar 、foo）为该函数的内存地址；函数名+括号（例如 bar()、foo() )-->调用该函数。

　　3.4.1 map( )

　　第一个参数是函数，剩下的参数是一个或多个序列，返回值是一个集合。

　　接收的是两个参数，一个函数，一个/多个序列，其功能是每次从序列中分别取出一个元素，带入函数处理，其返回值为一个迭代器对象。 

print(list(map(lambda x: x**2, (1, 2, 3, 4, 5))))   # [1, 4, 9, 16, 25]

　　3.4.2 filter( )

　　第一个参数是函数，作用于多个元素。如果函数对象返回True，则该次的元素储存于返回的列表中。

　　filter( )通过读入的函数来筛选数据，其返回值也是一个迭代对象。 

def func(a):
    if a > 100:
        return True
    else:
        return False
print(list(filter(func, [10, 56, 101, 500])))   # [101, 500]

　　3.4.3 reduce( )

　　对于序列中的所有元素调用func( )进行数据合并操作，可以给定一个初始值。其返回值为一个值而不是迭代器对象，故其常用与叠加、叠乘等 

from functools import reduce
list1 = [2, 4, 6, 8, 10]
nlist = reduce(lambda x, y: x+y, list1)
print(nlist)    # 30 

4 生成器和迭代器

　　4.1 生成器

　　一边循环一边计算的机制，称为生成器：generator。生成器是一个特殊的程序，可以被用作控制循环的迭代行为，Python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

　　创建生成器：

　　方法1：把一个列表生成式的[]中括号改为（）小括号，就创建一个generator

list = [x*x for x in range(10)]
print(list)     # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
generatro_ex = (x*x for x in range(10))
print(generatro_ex)     # <generator object <genexpr> at 0x000002025CB27B88>
for i in generatro_ex:  # 生成器输出，使用next(generatro_ex)仅单次输出
    print(i)

　　生成器打印：可以通过next（）函数获得generator的下一个返回值；常规方法是使用for循环，因为generator也是可迭代对象。

　　方法二：将函数中的return替换为yield 

　　yield把一个函数变成一个generator，带有yield的函数不再是普通函数，python解释器会将其视为一个生成器。在每次调用next()的时候执行，遇到yield语句返回，再次被next（）调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。

　　函数是顺序执行的，遇到return语句或者最后一行函数语句就返回。

def fib(max):
    n,a,b =0,0,1
    while n < max:
        yield b
        a,b =b,a+b
        n = n+1
    return ‘done‘
for i in fib(6):
    print(i)

　　4.2 迭代器（迭代就是循环）

　　迭代器包含有next()方法的实现，在正确的范围内返回期待的数据以及超出范围后能够抛出StopIteration的错误停止迭代。可以使用isinstance()判断一个对象是否是Iterator对象：

from collections import Iterator
print(isinstance(‘abc‘, Iterator))  # False
print(isinstance([], Iterator))     # False
print(isinstance({}, Iterator))     # False
print(isinstance((x for x in range(10)), Iterator))     # True

　　可以直接作用于for循环的数据类型有以下几种：

　　（1）集合数据类型，如list，tuple，dict，set，str等

　　（2）generator，包括生成器和带yield的generator function

　　这些可以直接作用于for循环的对象统称为可迭代对象：Iterable

　　可以使用isinstance()判断一个对象是否为可Iterable对象

from collections import Iterable
print(isinstance(‘abc‘, Iterable))  # True
print(isinstance([], Iterable))     # True
print(isinstance({}, Iterable))     # True
print(isinstance((x for x in range(10)), Iterable))     # True

　　由此可见list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）

　　这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

　　Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

　　4.3 小结

　　（1）凡是可作用于for循环的对象都是Iterable类型；

　　（2）凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

　　（3）集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。