美文网首页Python学习笔记
Python学习笔记04-函数

Python学习笔记04-函数

作者: 明阳似海 | 来源:发表于2018-10-03 21:02 被阅读0次

常用函数

abs是求绝对值函数,可以用help(abs)查看abs函数的帮助信息,其他常用函数如下:

函数 功能
max() 求最大值,可接受任意多个参数
int() 可以将其他数据类型转换为整数
str() 转换为str类型
bool() 转换为布尔类型
float() 转换为浮点类型

函数名其实就是一个指向函数对象的引用,完全可以把函数名赋值给一个变量,如下:

>>>a = abs #变量a指向abs函数
>>>a(-1)#a被当作了abs函数
1
定义函数

Python中定义函数使用def关键字,依次写出函数名、括号、括号中的参数和冒号,然后在缩进中写函数体,如下:

# -*- coding: utf-8 -*-
def my_abs(x):
    if x >= 0:
        return x
    else:
        return -x
导入函数

如果你把my_abs()的函数定义保存为abstest.py文件,那么可以用from abtstest 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

如果什么事也不做,可以用pass语句:

def nop():
    pass

if age >= 18:
    pass

pass可以作为占位符,比如现在还没想好怎么写函数的代码,就可以先放一个pass,让代码运行起来。

参数检查

python做函数的参数检查可以使用内置函数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
多个返回值

Python中函数可以返回多个值:

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)

从上面例子可以看出其实函数返回的是一个tuple。

默认参数

Python中允许函数在定义时使用默认参数,如上面的例子中def move(x,y,step,angle=0),下面举例说明当有多个默认参数时,函数是如何调用的:

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)
enroll('Adam', 'M', city='Tianjin')#此处有在tianjin前面加了city

如上当不按顺序提供部分默认参数时,需要把参数名写上,如上面的city = 'Tianjin'。
注:默认参数的坑,例如:

def add_end(L=[]):
    L.append('END')
    return L
#正常调用如下
>>> add_end([1, 2, 3])
[1, 2, 3, 'END']
>>> add_end(['x', 'y', 'z'])
['x', 'y', 'z', 'END']
#非正常调用
>>> add_end()
['END']
>>> add_end()
['END', 'END']
>>> add_end()
['END', 'END', 'END']

原因解释如下:
Python函数在定义的时候,默认参数L的值时被初始化出来了,即[],因默认参数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,不再是函数定义的[]了。
定义默认参数要牢记:默认参数必须指向不变对象来实现!
上面的例子可以修改成这样:

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

对于不变对象(str、None),在多任务环境下同时读取对象不需要加锁。

可变参数

定义可变参数需在参数前面加一个*号,在函数内部接收到的参数是一个tuple,如下:

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

>>>calc(1,2)
5
>>>calc()
0

如果已有一个list或tuple如何调用可变参数函数呢?如下:

#方式一
>>>nums = [1,2,3]
>>>calc(nums[0],nums[1],nums[2])
14
#方式二
>>>calc(*nums)
14
关键字参数

可变参数允许参数组装成tuple,而关键字参数将参数组装成dict,如下所示:

def person(name,age,**kv):
    print('name:',name,'age:',age,'other:',kv)

>>>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'}

如果已有dict该如何调用关键字参数函数呢,如下:

#方式一
>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, city=extra['city'], job=extra['job'])
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
#方式二
>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **extra)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
命名关键字参数

关键字参数传入的dict,没有限制传入的key,如在上面的例子当中我们只关注city和job,可以这样写:

def person(name, age, **kw):
    if 'city' in kw:
        # 有city参数
        pass
    if 'job' in kw:
        # 有job参数
        pass
    print('name:', name, 'age:', age, 'other:', kw)

当然我们有更好的方式限制输入的key,函数定义如下:

def person(name, age, *, city='Beijing', job):
    print(name, age, city, job)
>>>a = {'city':'TianJin','Job':'Engineer'}
>>>person('Jack',24,**a)
Jack 24 TianJin Engineer

如果函数定义了可变参数,后面跟着的命名关键字参数就不再需要一个特殊的分隔符*了:

def person(name,age,*args,city,job):
    print(name,age,args,city,job)
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种参数组合使用,但是要注意,参数的顺序必须是: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。如下:

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}
#通过tuple和dict调用
>>> 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': '#'}

注: 虽然可以组合多达5种参数,但不要同时使用太多的组合,否则函数接口的可理解性很差。

递归函数

在函数的内部调用函数自己,则这个函数称为递归函数。比如通递归函数来实现阶乘函数n! = 1 x 2 x 3 x ... x n,函数定义如下:

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

理论上所有的递归函数都可以写成循环的方式,但循环的逻辑没有递归清晰。
如果我们计算fact(5),可以根据函数定义看到计算过程如下:

===> fact(5)
===> 5 * fact(4)
===> 5 * (4 * fact(3))
===> 5 * (4 * (3 * fact(2)))
===> 5 * (4 * (3 * (2 * fact(1))))
===> 5 * (4 * (3 * (2 * 1)))
===> 5 * (4 * (3 * 2))
===> 5 * (4 * 6)
===> 5 * 24
===> 120

使用递归函数需要注意防止栈溢出。在计算机中,函数调用是通过栈(stack)这种数据结构实现的,每当进入一个函数调用,栈就会加一层栈帧,每当函数返回,栈就会减一层栈帧。由于栈的大小不是无限的,所以,递归调用的次数过多,会导致栈溢出。可以试试fact(1000):

>>> fact(1000)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 4, in fact
  ...
  File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depth exceeded in comparison

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函数自身,并且return语句不能包含表达式,这样编译器或解释器就可以做尾递归优化,使递归无论调用多少此,都只占用一个栈。
使用尾递归的方式实现上面的阶乘函数fact(n)如下:

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)

可以看到,return fact_iter(num - 1, num * product)仅返回递归函数本身,num - 1和num * product在函数调用前就会被计算,不影响函数调用。
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

尾递归调用时,如果做了优化,栈不会增长,因此,无论多少次调用也不会导致栈溢出。
遗憾的是,大多数编程语言没有针对尾递归做优化,Python解释器也没有做优化,所以,即使把上面的fact(n)函数改成尾递归方式,也会导致栈溢出。

学习资料源自廖雪峰的官方网站

相关文章

网友评论

    本文标题:Python学习笔记04-函数

    本文链接:https://www.haomeiwen.com/subject/pyezoftx.html