002-python函数、高级特性

发布时间：2020-12-20 10:24:36 所属栏目：Python 来源：网络整理

导读：1、函数 1.1 定义函数在Python中，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语句返回自定义一个求绝对值的my_abs函数为例： def my_abs(x): if x = 0: return x else: re

1、函数

1.1 定义函数

在Python中，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

自定义一个求绝对值的my_abs函数为例：

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

1.2 函数调用

如果已经把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
如果想定义一个什么事也不做的空函数，可以用pass语句

def nop():
pass

参数类型检查
对参数类型做检查，只允许整数和浮点数类型的参数。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

函数返回多个值
在游戏中经常需要从一个点移动到另一个点，给出坐标、位移和角度，就可以计算出新的坐标

import math
def move(x,y,step,angle=0):
    nx = x + step * math.cos(angle)
    ny = y - step * math.sin(angle)
    return nx,ny

1.3 函数的参数

1.3.1 位置参数
先写一个计算x**2的函数

def power(x):
    return x * x

把power(x)修改为power(x,n)，用来计算xn

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

修改后的power(x,n)函数有两个参数：x和n，这两个参数都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋给参数x和n

1.3.2 默认参数
在power(x,n)中把第二个参数n的默认值设定为2，这样，当我们调用power(5)时，相当于调用power(5,2)

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

设置默认参数时，需要注意的点
1.必选参数在前，默认参数在后，否则会报错
2.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。变化小的参数就可以作为默认参数
使用默认参数，最大的好处是能降低调用函数的难度
写个一年级小学生注册的函数，需要传入name和gender两个参数

def enroll(name,gender):
    print(‘name:‘,name)
    print(‘gender:‘,gender)

继续传入年龄、城市等信息，我们可以把年龄和城市设为默认参数

def enroll(name,gender,age=6,city=‘Beijing‘):
    print(‘name:‘,name)
    print(‘gender:‘,gender)
    print(‘age:‘,age)
    print(‘city:‘,city)

只有与默认参数不符的学生才需要提供额外的信息

enroll(‘Bob‘,‘M‘,7)
enroll(‘Adam‘,city=‘Tianjin‘)

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
比如调用enroll(‘Bob‘,‘M‘,7)，意思是，除了name，gender这两个参数外，最后1个参数应用在参数age上，city参数由于没有提供，仍然使用默认值
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
比如调用enroll(‘Adam‘,city=‘Tianjin‘)，意思是，city参数用传进去的值，其他默认参数继续使用默认值
默认参数很有用，但使用不当，也会掉坑里。默认参数有个最大的坑，演示如下
先定义一个函数，传入一个list，添加一个END再返回

def add_end(L=[]):
    L.append(‘END‘)
    return L

使用默认参数调用时，一开始结果也是对的，但是，再次调用add_end()时，结果就不对了

>>> add_end()
[‘END‘]
>>> add_end()
[‘END‘,‘END‘]

原因解释如下：
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！
要修改上面的例子，我们可以用None这个不变对象来实现

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

现在，无论调用多少次，都不会有问题

>>> add_end()
[‘END‘]
>>> add_end()
[‘END‘]

1.3.3 可变参数
在Python函数中，还可以定义可变参数。顾名思义，可变参数就是传入的参数个数是可变的，可以是1个、2个到任意个，还可以是0个
我们以数学题为例子，给定一组数字a，b，c……，请计算a2 + b2 + c2 + ……

def calc(numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

但是调用的时候，需要先组装出一个list或tuple：

>>> calc([1,2,3])
14
>>> calc((1,3,5,7))
84

我们把函数的参数改为可变参数

def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

利用可变参数，调用函数的方式可以简化成这样：

>>> calc(1,3)
14
>>> calc(1,7)
84

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
如果已经有一个list或者tuple，要调用一个可变参数，Python允许你在list或tuple前面加一个*号，把list或tuple的元素变成可变参数传进去

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

等价于

>>> nums = [1,3]
>>> calc(nums[0],nums[1],nums[2])
14

1.3.4 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

请看示例：
def person(name,age,**kw):
    print(‘name:‘,name,‘age:‘,‘other:‘,kw)

在调用该函数时，可以只传入必选参数，也可以传入任意个数的关键字参数

>>> 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‘}

关键字参数可以扩展函数的功能。比如，在person函数里，我们保证能接收到name和age这两个参数，但是，如果调用者愿意提供更多的参数，我们也能收到。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。
和可变参数类似，也可以先组装出一个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的改动不会影响到函数外的extra

1.3.5 命名关键字参数
如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数

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

和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数

>>> person(‘Jack‘,city=‘Beijing‘,job=‘Engineer‘)
Jack 24 Beijing Engineer

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,*args,args,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
命名关键字参数可以有缺省值，由于命名关键字参数city具有默认值，调用时，可不传入city参数

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

1.3.6 参数组合
在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。但是请注意，参数定义的顺序必须是：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 =‘,‘c =‘,c,‘args =‘,‘kw =‘,kw)

def f2(a,d,‘d =‘,‘kw =‘,kw)

在函数调用的时候，Python解释器自动按照参数位置和参数名把对应的参数传进去

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

通过一个tuple和dict，也可以调用上述函数

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

小结
Python的函数具有非常灵活的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。
默认参数一定要用不可变对象，如果是可变对象，程序运行时会有逻辑错误！
要注意定义可变参数和关键字参数的语法：
*args是可变参数，args接收的是一个tuple；
**kw是关键字参数，kw接收的是一个dict。
以及调用函数时如何传入可变参数和关键字参数的语法：
可变参数既可以直接传入：func(1,3)，又可以先组装list或tuple，再通过*args传入：func(*(1,3))；
关键字参数既可以直接传入：func(a=1,b=2)，又可以先组装dict，再通过**kw传入：func(**{‘a‘: 1,‘b‘: 2})。
使用*args和**kw是Python的习惯写法，当然也可以用其他参数名，但最好使用习惯用法。
命名的关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。
定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*，否则定义的将是位置参数。

1.4 递归函数

如果一个函数在内部调用自身本身，这个函数就是递归函数
计算阶乘n! = 1 x 2 x 3 x ... x n，用函数fact(n)表示
fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n

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

小结
1.使用递归函数的优点是逻辑简单清晰，缺点是过深的调用会导致栈溢出。
2.针对尾递归优化的语言可以通过尾递归防止栈溢出。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。
3.Python标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题。

2、高级特性

2.1切片

取一个list或tuple的部分元素是非常常见的操作。比如，一个list如下

>>> L = [‘Michael‘,‘Sarah‘,‘Tracy‘,‘Bob‘,‘Jack‘]

L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素

>>> L[0:3]
[‘Michael‘,‘Tracy‘]

如果第一个索引是0，还可以省略

>>> L[:3]
[‘Michael‘,‘Tracy‘]

按每两个取一个

>>> L[::2]
[‘Michael‘,‘Jack‘]

Python支持L[-1]取倒数第一个元素

>>> L[-2:]
[‘Bob‘,‘Jack‘]
>>> L[-2:-1]
[‘Bob‘]

tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple

>>> (0,1,4,5)[:3]
(0,1,2)

字符串‘xxx‘也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串

>>> ‘ABCDEFG‘[:3]
‘ABC‘
>>> ‘ABCDEFG‘[::2]
‘ACEG‘

2.2 迭代

如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代
在Python中，迭代是通过for ... in来完成的
dict迭代

>>> d = {‘a‘: 1,‘b‘: 2,‘c‘: 3}
>>> for key in d:
... print(key)

迭代value

for value in d.values()

同时迭代key和value

for k,v in d.items()

由于字符串也是可迭代对象，因此，也可以作用于for循环

>>> for ch in ‘ABC‘:
... print(ch)
...
A
B
C

判断一个对象是可迭代对象，通过collections模块的Iterable类型判断

>>> from collections import Iterable
>>> isinstance(‘abc‘,Iterable) # str是否可迭代
True
>>> isinstance([1,3],Iterable) # list是否可迭代
True
>>> isinstance(123,Iterable) # 整数是否可迭代
False

Python内置的enumerate函数可以把一个list变成索引-元素对

>>> for i,value in enumerate([‘A‘,‘B‘,‘C‘]):
... print(i,value)
...
0 A
1 B
2 C

2.3 列表生成式

列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式
生成list [1,6,7,8,9,10]

>>> list(range(1,11))
[1,10]

生成[1x1,2x2,3x3,...,10x10]

>>> [x * x for x in range(1,11)]
[1,16,25,36,49,64,81,100]

for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方

>>> [x * x for x in range(1,11) if x % 2 == 0]
[4,100]

还可以使用两层循环，可以生成全排列

>>> [m + n for m in ‘ABC‘ for n in ‘XYZ‘]
[‘AX‘,‘AY‘,‘AZ‘,‘BX‘,‘BY‘,‘BZ‘,‘CX‘,‘CY‘,‘CZ‘]

列表生成式也可以使用两个变量来生成list

>>> d = {‘x‘: ‘A‘,‘y‘: ‘B‘,‘z‘: ‘C‘ }
>>> [k + ‘=‘ + v for k,v in d.items()]
[‘y=B‘,‘x=A‘,‘z=C‘]

把一个list中所有的字符串变成小写

>>> L = [‘Hello‘,‘World‘,‘IBM‘,‘Apple‘]
>>> [s.lower() for s in L]
[‘hello‘,‘world‘,‘ibm‘,‘apple‘]

2.4 生成器

如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator
要创建一个generator，第一种方法只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]
>>> L
[0,81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4

定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

def fib(max):
    n,b = 0,1
    while n < max:
        yield b
        a,b = b,a + b
        n = n + 1
    return ‘done‘
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行

2.5 迭代器

可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是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()判断一个对象是否是Iterable对象

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance(‘abc‘,Iterable)
True
>>> isinstance((x for x in range(10)),Iterable)
True
>>> isinstance(100,Iterable)
False

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator
可以使用isinstance()判断一个对象是否是Iterator对象

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

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!