Day-4: Python学习笔记 -- 函数

1. 调用函数 在交互命令行通过help(abs)查看abs函数的帮助信息。 调用函数时，传入的参数数量不对，或者传入的参数类型不能被函数所接受，会报TypeError的错误。

>>> abs(1, 2) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: abs() takes exactly one argument (2 given)

数据类型转换

>>> int('123') 123 >>> int(12.34) 12 >>> float('12.34') 12.34 >>> str(1.23) '1.23' >>> str(100) '100' >>> bool(1) True >>> bool('') False

函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：

>>> a = abs # 变量a指向abs函数 >>> a(-1) # 所以也可以通过a调用abs函数 1

2. 定义函数 定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。 函数体内部的语句在执行时，一旦执行到return时，函数就执行完毕，并将结果返回。如果没有return语句，函数执行完毕后也会返回结果，只是结果为None。return None 可以简写为return。

def my_abs(x): if x >= 0: return x else: return -x

如果把my_abs()的函数定义保存为 abstest.py文件了，那么，可以在该文件的当前目录下启动Python解释器，用 from abstest import my_abs 来导入 my_abs()函数， 注意abstest是文件名(不含.py扩展名)：

>>> from abstest import my_abs >>> my_abs(-9) 9

空函数

def nop(): pass

pass 可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass, 让代码能运行起来。因为缺少了pass，代码运行就会有语法错误。

参数检查 调用函数时，如果参数个数不对，Python解释器会自动检查出来，并抛出 TypeError:

>>> my_abs(1, 2) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: my_abs() takes 1 positional argument but 2 were given

如果参数类型不对，Python解释器就无法帮我们检查。 数据类型检查可以用内置函数isinstance()实现：

def my_abs(x): if not isinstance(x, (int, float)): raise TypeError('bad operand type') if x >= 0: return x else: return -x

函数可以同时返回多个值，但其实就是一个tuple。

import math def move(x, y, step, angle=0): nx = x + step * math.cos(angle) ny = y - step * math.sin(angle) return nx, ny >>> x, y = move(100, 100, 60, math.pi / 6) >>> print(x, y) 151.96152422706632 70.0 >>> r = move(100, 100, 60, math.pi / 6) >>> print(r) (151.96152422706632, 70.0)

3. 函数的参数 位置参数

def power(x, n): s = 1 while n > 0: n = n - 1 s = s * x return s

x 和 n 都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋值给参数x和n。

默认参数

def power(x, n = 2): s = 1 while n > 0: n = n - 1 s = s * x return s

n是默认参数，默认值为2。调用power(5)时，相当于调用power(5, 2) 设置默认参数，注意点： 一是必选参数在前，默认参数在后，否则Python的解释器会报错。 二是当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数可以作为默认参数。 默认参数降低了函数调用的难度，而一旦需要更复杂的调用时，又可以传递更多的参数来实现。无论是简单调用还是复杂调用，函数只需要定义一个。 有多个默认参数时，调用的时候，既可以按顺序提供默认参数。也可以不按顺序提供部分默认参数。当不按顺序提供部分默认参数时，需要把参数名写上。

def enroll(name, gender, age = 6, city = 'Beijing'): print('name:', name) print('gender:', gender) print('age:', age) print('city:', city) >>> enroll('Sarah', 'F') name: Sarah gender: F age: 6 city: Beijing >>> enroll('Bob', 'M', 7) name: Bob gender: M age: 7 city: Beijing >>> enroll('Adam', 'M', city = 'Tianjin') name: Adam gender: M age: 6 city: Tianjin def add_end(L = []): L.append('END') return L >>> add_end() ['END'] >>> add_end() ['END', 'END'] >>> add_end() ['END', 'END', 'END']

Python函数在定义的时候，默认参数L的值就被计算出来了，即[],因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。 定义默认参数要牢记一点：默认参数必须指向不变对象！

def add_end(L = None): if L is None: L = [] L.append('END') return L >>> add_end() ['END'] >>> add_end() ['END']

为什么要设计str、None这样的不变对象？因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

可变参数 传入的参数的个数是可变的，可以是1个，2个到任意个，还可以是0个。 定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了一个*号。在函数内部，参数numbers接收到的是一个tuple，因此函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数：

def calc(*numbers): sum = 0 for n in numbers: sum = sum + n * n return sum >>> calc(1, 2) 5 >>> calc() 0

如果已经有一个 list 或者 tuple，要调用一个可变参数，可以在 list 或 tuple 变量名前面加一个*号，把list或tuple的元素变成可变参数传进去：

>>> nums = [1, 2, 3] >>> calc(*nums) 14

可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个 tuple。

关键字参数 关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。

def person(name, age, **kw): print('name:', name, 'age:', age, 'other:', kw) >>> person('Michael', 30) name: Michael age: 30 other: {} >>> person('Bob', 35, city='Beijing') name: Bob age: 35 other: {'city': 'Beijing'} >>> person('Adam', 45, gender='M', job='Engineer') name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}

可以先组装一个dict，然后，把该dict转换为关键字参数传进去：

>>> extra = {'city': 'Beijing', 'job': 'Engineer'} >>> person('Jack', 24, **extra) name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

**extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意：kw获得的dict是extra的一份拷贝，对kw的改动不会影响函数外的extra。

命名关键字参数 为了限制关键字参数的名字，命名关键字需要一个特殊的分隔符 *， * 后面的参数被视为命名关键字参数。

def person(name,age, *, city, job): print(name, age, city, job)

如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符 * 了：

def person(name, age, *args, city, job): print(name, age, args, city, job)

命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错：

>>> person('Jack', 24, 'Beijing', 'Engineer') Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: person() takes 2 positional arguments but 4 were given

命名关键字参数可以有缺省值，从而简化调用：

def person(name, age, *, city='Beijing', job): print(name, age, city, job) >>> person('Jack', 24, job='Engineer') Jack 24 Beijing Engineer

参数组合 参数定义顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。

def f1(a, b, c = 0, *args, **kw): print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw) def f2(a, b, c = 0, *, d, **kw): print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw) >>> f1(1, 2) a = 1 b = 2 c = 0 args = () kw = {} >>> f1(1, 2, c = 3) a = 1 b = 2 c = 3 args = () kw = {} >>> f1(1, 2, 3, 'a', 'b') a = 1 b = 2 c = 3 args = ('a', 'b') kw = {} >>> f1(1, 2, 3, 'a', 'b', x=99) a = 1 b = 2 c = 3 args = ('a', 'b') kw = {'x': 99} >>> f2(1, 2, d=99, ext=None) a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}

对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的：

>>> args = (1, 2, 3, 4) >>> kw = {'d': 99, 'x': '#'} >>> f1(*args, **kw) a = 1 b = 2 c = 3 args = (4,) kw = {'d': 99, 'x': '#'} >>> args = (1, 2, 3) >>> kw = {'d': 88, 'x': '#'} >>> f2(*args, **kw) a = 1 b = 2 c = 3 d = 88 kw = {'x': '#'}

4. 递归函数 一个函数在内部调用自身，这个函数就是递归函数。

def fact(n): if n==1: return 1 return n * fact(n - 1)

递归函数的优点定义简单，逻辑清晰。 使用递归函数需要注意防止栈溢出。 解决递归调用栈溢出的方法是通过尾递归优化。

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。 尾递归事实上和循环是等价的，没有循环语句的编程语言只能通过尾递归实现循环。

def fact(n): return fact_iter(n, 1) def fact_iter(num, product): if num == 1: return product return fact_iter(num - 1, num * product)

fact(5)对应的 fact_iter(5, 1)的调用如下： ===> fact_iter(5, 1) ===> fact_iter(4, 5) ===> fact_iter(3, 20) ===> fact_iter(2, 60) ===> fact_iter(1, 120) ===> 120

尾递归优化：使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。 Python解释器没有做尾递归优化，即使把 fact(n)函数改为尾递归方式，也会导致栈溢出。任何递归函数都存在栈溢出的问题。