Python：函数基础

概念

一段代码，集中到一起，起一个名字，下一次可以使用这个名字调用这个代码块，就是函数的功能

作用：

• 方便代码的重用
• 分解任务，简化程序逻辑
• 使代码更加模块化

函数的分类

• 内建函数
• 第三方函数
• 自定义函数

函数定义

简单定义

def 函数名():
    函数体代码

函数名()  # 函数调用

参数

固定个数的参数

def xxx(参数1, 参数2, ...):
    ......
    # 在函数体，直接以变量的方式使用传过来的参数

这种方式，调用的时候，形参与实参一一对应

关键字参数

固定个数的参数不止可以按位置一一对应地去调用传参，也可以按参数名进行指定，这种方式不必按照原来的顺序

def xxx(name1, name2, ...):
    ......

调用：

xxx(name2=..., name1=...)

不定长参数

将除了按位置匹配以外的参数，收集到一起

收集为元组

def xx(...., *args):
    .....

函数调用时，多余的参数，会组成元组赋值给args

收集为字典

def xx(...., **kwargs):
    ......

可以将多余的关键字参数收集为字典，函数内可以直接当做字典使用

参数的拆包和装包

装包：把传递的参数，包装起来

拆包：把包装起来的参数，再次拆分为单独的个体

缺省参数

有些参数可以设置默认值，也就是调用的时候如果不传值，则会使用设置的默认值

注意：默认值参数需要写在最后面

返回值

函数可以返回任意对象

return xxx

注意：

• return后的代码不会被执行
• return只会被执行一次

函数描述

在函数体的最前面，添加三引号的注释

可以使用 help(函数名) 查看注释的内容

偏函数

当我们写一个参数比较多的函数时，如果有些函数，大部分场景下都是某一个默认值，那么为了简化使用，就可以创建一个新函数，指定我们要使用的函数的某个参数，为某个固定的值，这个新的函数就是 “偏函数”

可以自己手动创建，但是python也为我们提供了专门的工具：

import functools

functools.partial(函数名, 特定参数=偏爱值) # 返回生成好的偏函数

高阶函数

当一个函数A的某个参数是另一个函数时，则把这个函数A称为是高阶函数

返回函数

函数也可以作为返回值。。。

匿名函数

匿名函数也称为 lambda函数，也就是没有名字的函数

语法：lambda 参数表: 返回值

闭包的概念

在函数嵌套的前提下，内层函数引用了外层函数的变量（包括参数）

外层函数，又把内存函数当做返回值进行返回

这个内层函数+所引用的外层变量，称为闭包

常用场景：外层函数，根据不同的参数，来生成不同作用功能的函数

注意：

• 闭包中，如果要修改引用的外部变量
  • 需要使用 nolocal 变量名 声明
  • 否则当做闭包内，新定义的变量
• 当闭包内引用了一个后期会发生变化的变量时，一定要注意
  • 当函数被调用的时候，才会真正确定所使用的的值，在此之前，都是以普通的变量标识而存在

装饰器

装饰器的概念

在函数名以及函数体不改变的前提下，给函数附件一些额外的代码

def zsq(func):
    def inner():
        ...
        func()
        ...
    return inner

@zsq
def xxx():
    ......

# @zsq 就相当于 xxx = xsq(xxx)

装饰器的叠加

从上往下装饰，从下往上执行

对有参函数进行装饰

无论什么场景，保证函数调用参数一致

为了通用，可以使用不定长参数，结合拆包操作进行处理

def zsq(func):
    def inner(*args, **kwargs):
        ...
        func(*args, **kwargs)
        ...
    return inner

对有返回值的函数进行装饰

def zsq(func):
    def inner(*args, **kwargs):
        ...
        ret = func(*args, **kwargs)
        ...
        return ret

    return inner

带有参数的装饰器

通过 @装饰器(参数) 的方式，调用这个函数，并传递参数；并把返回值，再次当做装饰器使用

先计算 @ 后面的内容，把这个内容当做装饰器

生成器

是一个特殊的迭代器（迭代器的抽象层级更高）

所以，拥有迭代器的特性：

• 惰性计算数据，节省内存
• 能够记录状态，并通过next()函数，访问下一个状态
• 具备可迭代特性

但是，如果自己打造一个迭代器，比较复杂

生成器创建方式

• 生成器表达式：把列表推导式的 []改为 ()
• 生成器函数：使用 yield 语句，函数的执行结果就是一个生成器

产生数据的方式

生成器具备可迭代特性

next() 函数 等价于 生成器.__next__()

for in

send 方法

send方法有一个参数，指的是上一次被挂起的yield语句的返回值

相比于 __next__()，可以额外的给yield语句传值

注意第一次调用

关闭生成器

g.close()

关闭后如果继续调用，会抛出StopIteration异常提示

注意

如果遇到return，生成器会直接终止

生成器只会遍历一次

递归

在函数A内部，直接或者间接调用函数A

函数作用域

变量的作用域：

• 变量的作用范围：可操作范围
• Python是静态作用域，也就是说在Python中，变量的作用域源于它在代码中的位置；在不同的位置，可能有不同的命名空间
• 命名空间：
  • 是作用域的体现形式
  • 不同的具体的操作范围
• Python-LEGB
  • L：Local：
    • 函数内的命名空间，
    • 作用范围：当前整个函数体范围
  • E：Enclosing function locals：
    • 外部嵌套函数的命名空间
    • 作用范围：闭包函数
  • G：Global
    • 全局命名空间
    • 作用范围：当前模块（文件）
  • B：Builtin
    • 内建模块命名空间
    • 作用范围：所有模块（文件）
  • 注意：
    • Python中没有块级作用域
    • 块级作用域：代码块中，比如if、while、for后面的代码块
  • LEGB规则：按照 L、E、G、B的顺序进行查找

常见的变量类型：

• 局部变量
  • 在一个函数内部定义的变量
  • 作用域为函数内部
  • 查看局部变量 locals()
• 全局变量
  • 在函数外部，文件最外层定义的变量
  • 作用域为整个文件内部
  • 查看全局变量 globals()
• 注意点
  • 访问原则：从内到外
  • 结构规范：
    • 全局变量
    • 函数定义：使用、修改
    • 后续代码
  • 全局变量和局部变量重名
    • 获取：就近原则
    • 修改：global声明
  • 命名