python Function(函数)
- 2020 年 1 月 13 日
- 筆記
函数是python为了代码最大程度地重用和最小化代码冗余而提供的基本程序结构。函数是一种设计工具，它能让程序员将复杂的系统分解为可管理的部件； 函数用于将相关功能打包并参数化。 在python中可以创建如下4种函数： 1)、全局函数：定义在模块中（直接定义在模块中的函数）。 2)、局部函数：嵌套于其它函数中（在函数中再定义的函数）。 3)、lambda函数：表达式。匿名函数(它仅是一个表达式)，它可以出现在任何位置，很高的录活性。 4)、方法：与特定数据类型关联的函数，并且只能与数据类型相关一起使用。定义在类中的函数。 python也提供了很多内置函数 函数与过程的区别： 函数都有return返回值。返回一个对象 创建函数 def functionName(parameters): suite 相关概念： def 是一个可执行语句；因此可以出现在任何能够使用的地方，甚至可以嵌套于其它语句，例if或while中。def创建了一个对象 并将其赋值给一个变量名(即函数名)； return用于返回结果对象，其为可选项；无return语句的函数自动返回一个None对象；返回多个值时，彼此间使用逗号分隔，且组合为元组形式返回一个对象。 def语句运行之后，可以在程序中通过函数名后附加括号进行调用 。 例1：
def printName(): print "hello" printName() def testFun(): pass testFun()
例2：(注意函数的返回值)
def login(username): if username == "Thompson": print "登录成功" else: print "登录失败" if __name__ == "__main__" : uname=raw_input("Please enter your name:") login(uname) 例3：(注意函数的返回值) def login(username): if username == "Thompson": return "登录成功" else: return "登录失败" def detail(username): print username,"detail information" if __name__ == "__main__" : uname=raw_input("Please enter your name:") result = login(uname) if result == "登录成功" : detail(uname) else: print result
例4：函数可以定义多个形参，可以为形参设置默认值，但设置默认值的形参必须放置在参数列表的最后一个
def func1(username,action="听课"): print username,":",action func1("tom") func1("eric","吃饭") 例5： def func1(username,where="北京",action="听课"): print username,":去",where,action func1("tom") func1("jack","上海") func1("eric",action="吃饭")
函数的作用域：(变量查找的名称空间) 变量名在程序中赋值的位置决定了其能够被访问到的范围。函数定义了本地作用域，即函数内定义的变量，只能生效于本函数内部。模块定义了全局作用域。即在本python脚本中定义的变量，生效于本脚本的任意位置。 变量名引用分三个作用域：首先本地、然后函数内、接着是全局，最后是内置。 说明：在函数1中嵌套的函数2，在函数2中定义的变量称为“本地”；在函数1中定义的变量称为函数外层的； Python创建、改变或查找变量名都是在名称空间中进行；在代码中变量名被赋值的位置决定了其能被访问到的范围。
函数定义了本地作用域，而模块定义了全局作用域；每个模块都是一个全局作用域，因此全局作用域的范围仅限于单个程序文件；每次对函数的调用都会创建一个新的本地作用域，赋值的变量除非声明为全局变量，否则均为本地变量。 所有的变量名都可以归纳为本地、全局或内置(由__builtin__模块提供)
def f1(): y = 3 print y f1() print y 抛出异常 #!/usr/bin/python27 x = 32 def f1(): x = 43 print x f1() print x chmod +x test1.py ./test1.py x = 32 def f1(): y = 43 print x,y f1() print x,y global x 将x定义为全局变量(在本地范围内定义全局变量时使用) x = 43 print x
LEGB 原则: local → enclosing → global → builtin 例：
x = 5 z = "global" def f1(): x = "from f1" y = 3 print x,z def f2(): x = "from f2" print x,y,z f2() f1() 输出结果为： from f1 global from f2 3 global def f1(): x =3 def f2(): y = "hello" print x,y return f2 a1 = f1() type(a1) a1()
函数的参数： def funcName(arg1,arg2….): 例：
def f1(x): print x f1(4) f1('abcd') def f2(x,y): print x+y f2(3,4) f2("hello","world") m=3;n=4 def f3(x,y): x -= 1 print x,y f3(m,n) print m,n 注意：比较结果值。m、n为数值，是不可变类型，所以m、n的数据不变。 l1 = [1,2,3] def f4(x) x.pop() print x f4(l1) 将l1对象传递给函数f5 print l1 比较两次的结果相同，因为列表为可变类型 l1 = [1,2,3] def f5(x): x.pop() print x f5(l1[:]) 将l1做切片之后的所有值传递给函数f5
函数参数的匹配模型： 默认情况下，参数通过其位置进行传递，从左至右，这意味着必须精确地传递和函数头部参数一样多的参数。但也可以通过关键字参数、默认参数或参数容器等 改变这种机制。 位置：从左至右 关键字参数：使用"name=value"的语法通过参数名进行匹配(如果关键字参数与位置参数混合时，位置参数必须放在参数列表的左边，所有位置参数写完后，才可以放置关键字参数) 默认参数：定义函数时使用"name=value"的语法直接给变量一个值，从而传入的值可以少于参数个数。(混用有默认和无默认值的参数时，无默认值的参数需放前面) 可变参数：定义函数时使用*开头的参数，可用于收集任意多基于位置的参数；定义函数时使用**，收集关键字参数。 可变参数解包：调用函数时，使用*开头的参数，可用于将参数集合打散，从而传递任意多基于位置或关键字的参数。 例：
def f10(*x): print x f10(m) f10(m,n) f10(m,n,z) def f11(**x): print x f11(x=1,y=2,z=9) #收集关键字参数，并以字典的形式返回。 def f12(x,*y): #可变参数必须写在后面，不可变参数必须写在左侧(前面) print x,y f12(m,n,o) #函数调用时，将m的值传递给x，将n与o的值传递给y，y会以元组的形式返回结果 def f15(*x,**y): print x print y f15(m,n,o,i=3,j=6) #位置参数被"*x"收集，而关键字参数被"**y"收集 l1=['sun','mon','tus'] x,y,z = l1 print x,y,z #将列表分解赋值 def f17(x,y,z): print x,y,z f17(*l1) #将l1的值分解，并分别传递给变量x、y、z。要求被分解对象的元素个数 要与 函数定义的形参个数相同。 #调用函数时使用*是为了分解参数对象，定义时使用*是为了整合。 def f18(x,*y): print x print y f18(m,*l1) #将m的值传递给x，将 l1对象中的元素分解后，传递给y d1={'key1':'v1','key2':'v2','key3':77} def f19(x,*y,**z): print x print y print z f19(m,*l3,**d1) #将m的值传递给x，将l3对象中的元素分解后以元组的形式传递给y，将d1字典对象中的键值对儿分解，并以字典的形式传递给z #顺序必须是：先位置参数、再任意位置参数、最后任意关键字参数 f19(m,n,o,**d1) #将m传递给x，将n与o传递给y，将字典d1对象分解后传递给z f19(m,n,z,key1='v1',key2='v2') #将m传递给x，将n与o传递给y，将关键参数key1='v1',key2='v2'传递给z
python闭包：lexical closure 在函数嵌套环境中，如果外层函数直接返回内层函数(即把内层函数做为一个对象当做返回值)，而且内层函数调用了外层函数的变量，那么内层函数会自动记忆外层函数的变量值。 它称为函数的闭合，也称为工厂函数。 例： def f1(x): def f2(y): return y ** x return f2 函数有嵌套，外层函数会将整个内层函数做为一个函数对象返回，而且内层函数还调用了外层函数定义的变量，此时内层函数会记忆外层函数的相关变量值，这种函数称为闭合函数。 f3=f1(3) 执行f1(3)，将3传递给x，然后外层函数将“内层函数整体”作为一个对象的方式返回并赋值给f3变量。此时的f3 就是内层函数对象，此时的内层函数对象已记忆了x的值为3。 type(f3) 查看f3的类型为函数对象 f3(2) 调用f3这个函数对象，并将2传递给y变量，则最终结果返回 2 ** 3 (即2的3次方) f3(3) 本次调用就是计算 3 ** 3 f3(4) 本次调用就是计算 4 ** 3 以上的函数也称为工厂函数或闭合函数或函数的闭合特性。 例： f3 = f1(4) f3(3) 本次就是计算的 3 ** 4 (即3的4次方) 内层函数才是一个真正的函数，而外层函数仅仅是内层函数运行的环境而已。外层函数主要是为内层函数提供运行环境。 def startPos(m,n): def newPos(x,y): print "The old position is (%d,%d),and the new position is (%d,%d)." % (m,n,m+x,n+y) return newPos action = startPos(10,10) action(1,2) action(-1,3) 匿名函数lambda： lambda仅仅是个表达式，但它有函数的特性；def是个语句。 lambda运算符 lambda args: expression args: 以逗号分隔的参数列表 expression : 用到args中各参数的表达式 lambda语句定义的代码必须是合法的表达式，不能出现多条件语句(可使用if的三元表达式)和其它非表达式语句，如for和while等。 lambda的首要用途是指定短小的回调函数 lambda将返回一个函数而不是将函数赋值给某变量名。 注意：lambda是一个表达式而非语句；lambda是一个单个表达式，而不是一个代码块 例： f20 = lambda x,y: x+y lambda本身没有名称，在调用时才为它赋一个变量名(函数名)。 f20(3,4) 它返回3+4的结果；它的效果等同于以下函数： def f20(x,y): return x+y f20(3,4) f=lambda x,y,z: x+y+z f(4,5,6) f2=(lambda x,y,z=10: x+y+z) f2(4,5) def 语句创建的函数将赋值给某变量名，而lambda表达式则直接返回函数。lambda可以实现简单函数速写的功能。 l3 = [ (lambda x: x*2), (lambda y: y*3) ] for i in l3: print i(4) i的值为lambda函数，i(4)表示将4传递到函数中，最终返回函数的值 装饰器 也称为函数装饰器，它自身是个函数，作用是能够增强其它函数的功能。 函数代码重用，函数功能在不同场景中重用。 1)、装饰器本身是一个函数，用于装饰其它函数 2)、增强被装饰函数的功能： 装饰器需要接收一个函数对象做为参数，然后对其函数做包装（即增强该函数的功能）。 装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能 测试、事务处理等。装饰器是解决这类问题的绝佳设计，有了装饰器，就可以 抽离出大量函数中 与函数功能本身无关的雷同代码 并继续重用。概括的讲，装饰器的作用是 为已经存在的对象添加额外的功能。 例1：使用装饰函数在函数执行前和执行后分别附加额外功能
def myfunc(): print "myfunc called" def deco(func): print "before myfunc() called" func() print "after myfunc() called" return func deco(myfunc)
In [5]: def f1(): ...: print "hello uplooking" ...: print "welcome to python" ...: In [6]: def f2(func): ...: print "before ........" ...: func() ...: print "after........" ...: In [7]: f2(f1) before ........ hello uplooking welcome to python after........
例2：使用语法糖@来装饰函数
def deco(func): print "before myfunc() called" func() print "after myfunc() called" return func @deco def myfunc(): print "myfunc called"
In [11]: def f3(func): print "before .............." func() print "after ..............." ....: In [12]: @f3 def f4(): print "xxxxxxxxxxxx" print "yyyyyyyyyyyyy" ....: before .............. xxxxxxxxxxxx yyyyyyyyyyyyy after ............... 或： def myfunc(x): return x def deco(func): def _deco(x): return func(x)*x # 不需要返回func，实际上应返回原函数的返回值 return _deco myfunc=deco(myfunc) #前一个myfunc仅是自定义的变量名，后一个myfunc是上面的函数名；等号右侧的表达式返回一个函数 print myfunc(2) #执行返回的新函数(也就是说将上面定义的myfunc函数代入deco的_deco本地函数，然后执行) In [21]: def f1(number): return number+10 ....: In [22]: def deco(func): def _deco(x): return func(x)*x return _deco ....: In [23]: f2=deco(f1) In [24]: f2(5) Out[24]: 75
例3：使用内嵌包装函数来确保每次新函数都被调用 内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
def deco(func): def _deco(): print "before myfunc() called" func() print "after myfunc() called" return _deco @deco def myfunc(): #将myfunc()函数作为参数的形式传递给deco函数的func参数 print "myfunc called" myfunc()
例4：对带参数的函数进行装饰 内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
def deco(func): def _deco(a,b): print "before myfunc() called" ret=func(a,b) print "after myfunc() called" return ret return _deco @deco def myfunc(a,b): print "myfunc(%s,%s) called" % (a,b) return a+b myfunc(1,2)
In [27]: def deco(func): def _deco(x,y): print ".....function before......." result=func(x,y) print ".....function after ......" return result return _deco ....: In [28]: @deco ....: def f1(i,j): ....: print "%d * %d = %d" % (i,j,i*j) ....: return i*j ....: In [31]: f1(4,6) .....function before....... 4 * 6 = 24 .....function after ...... Out[31]: 24
例5：对参数数量不确定的函数进行装饰
def deco(func): def _deco(*args,**kwargs): print "before %s called." % func.__name__ ret=func(*args,**kwargs) print "after %s called. result: %s" % (func.__name__, ret) return ret return _deco @deco def myfunc(a, b): print "myfunc(%s,%s) called." % (a, b) return a+b @deco def myfunc2(a, b, c): print "myfunc2(%s,%s,%s) called." % (a, b, c) return a+b+c myfunc(1, 2) myfunc(3, 4) myfunc2(1, 2, 3) myfunc2(3, 4, 5)
例6：在例5的基础上，让装饰器带参数，和上一示例相比在外层多了一层包装。装饰函数名实际上应更有意义些
def deco(arg): def _deco(func): def __deco(): print "before %s called [%s]." % (func.__name__, arg) func() print "after %s called [%s]." % (func.__name__, arg) return __deco return _deco @deco("mymodule") def myfunc(): print(" myfunc() called.") @deco("module2") def myfunc2(): print(" myfunc2() called.") myfunc() myfunc2()
In [48]: def deco(arg): ....: def _deco(func): ....: def __deco(*args): ....: print "======function before======" ....: func(*args) ....: print "function after: %s , %s " % (func.__name__,arg) ....: return __deco ....: return _deco ....: In [49]: @deco("module1") ....: def f1(var): ....: print "enter arguments:%s" %var ....: In [50]: @deco("module2") ....: def f2(x,y): ....: print "%d * %d = %d" % (x,y,x*y) ....: In [55]: f1("test") ======function before====== enter arguments:test function after: f1 , module1 In [56]: f2(4,6) ======function before====== 4 * 6 = 24 function after: f2 , module2 In [57]:
例7：让装饰器带 类 参数
class locker: def __init__(self): print("locker.__init__() should be not called.") @staticmethod def acquire(): print("locker.acquire() called.（这是静态方法）") @staticmethod def release(): print(" locker.release() called.（不需要对象实例）") def deco(cls): '''cls 必须实现acquire和release静态方法''' def _deco(func): def __deco(): print("before %s called [%s]." % (func.__name__, cls)) cls.acquire() try: return func() finally: cls.release() return __deco return _deco @deco(locker) def myfunc(): print(" myfunc() called.") myfunc() myfunc()
递归 递归需要边界条件，递归前进段和递归返回段：
def fact(n): if n<=1: return 1 else: return n*fact(n-1)
fact(3) 就相当于 3 * fact(3-1) = 3 * 2 * face(1) = 3 * 2 * 1 fact(6) fact(10) Python函数式编程： 函数式编程：也称为泛函编程，是一种编程范型。它将电脑运算视为数据上的函数计算，并且避免状态以及可变数据。函数式编程语言最重要的基础是lambda演算，而且lambda演算的函数可以接受函数当作输入、输出。 python支持有限的函数式编程功能: filter(func,seq) 调用一个布尔函数func来迭代遍历每上seq中的元素；返回一个使func返回值为true的元素的序列。 map(func,seq1[,seq2…]) 将函数func作用于给定序列(seq1)的每个元素，并用一个列表来提供返回值；如果func为None，func表现为一个身份函数，返回一个含有每个序列中元素集合的n个元组的列表。 reduce(func,seq[,init]) 将二元函数作用于seq序列的元素，每次携带一对(先前的结果以及下一个序列元素)，连续地将现有的结果和下一个值作用在获得的随后的结果上，最终将序列减少到一个单一的返回值；如果指定初始值init，第一个比较会是init和序列中的第一个元素，而不是序列的前两个元素。 filter过滤器 例：
def f1(x): if x > 20: return True else: return False l1=[1,5,10,30,80,100] filter(f1,l1) 返回一个符合条件的列表
filter()为已知序列的每个元素调用给定的布尔函数 调用中，返回值为非零值的元素将被添加至一个列表中 作业：/etc/passwd文件中，返回 /bin/bash字串的用户名 map()映射器 map() 将函数调用"映射"到每个序列的对应元素上，并返回一个含有所有返回值的列表 map()将使用func函数对不同序列的同一个元素作运算处理，并将每个元素的处理结果整合成一个元组，最后将所有元组再返回成一个元组列表 例：
l1=[0,1,2,3,4,5,6] l2=['Sun','M','Tu','W','T','F','S'] map(None,l1,l2) 由于func为None，所以将返回[(0,'Sun'),(1,'M'),(2,'Tu'),(3,'W'),(4,'T'),(5,'S'),(6,'S')] 的一个元组列表 def f3(x): return x*2 map(f3,l1) map(f3,l2) def f4(x,y): return x*2,y*2 map(f4,l1,l2)
reduce() 只接收两个参数，返回一个值
def f5(x,y): return x+y reduce(f5,l1) 即将l1列表中的每个元素相加，返回结果 reduce(f5,l1,10) 将初始值加上l1 列表中的每个元素，返回最终结果。 >>> list1=range(10) >>> print list1 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> filter(lambda x:x%2==0,list1) [0, 2, 4, 6, 8] >>> map(lambda x:x**2,list1) [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> list2=map(lambda x:x**2,list1) >>> reduce(lambda x,y:x+y, list2)
zip函数
list1=[1,2,3,4] list2=['a','b','c','d'] list3=[11,22,33,44] print zip(list1,list2,list3) 输出结果为：[(1, 'a', 11), (2, 'b', 22), (3, 'c', 33), (4, 'd', 44)]
随机函数： import random print random.random() #生成0至1之间的小数 print random.randint(1,5) #生成1至5的整数 print random.randrange(1,5) #生成1至4的整数 例：生成六位随机数 code=[] for i in range(6): if i==random.randint(1,5): code.append(str(i)) else: code.append(chr(random.randint(65,90))) print "".join(code) 内置md5函数： import hashlib hash=hashlib.md5() hash.update("admin") print hash.hexdigest() print hash.digest() 常用内置函数： print 3*4 print eval("3*4") #算术运算字符串表达式 print divmod(9,4) #返回表达式的商及余数 print pow(2, 10) #返回2的10次方 print chr(65) #返回Ascii码65对应的字符 print ord("a") #返回字符"a"对应的Ascii码 list2=["aa","bb","cc"] for item in enumerate(list2): print item #遍历出列表中每个元素的值与对应下标 id type import reload help dir var dir()和vars()的区别就是dir()只打印属性（属性,属性……）而vars()则打印属性与属性的值（属性：属性值……） 自定义字符串的格式化输出: str1='I am {0},the working of the {1}' print str1.format("tom","computer") 输出结果为：I am tom,the working of the computer 执行函数时也可以使用apply(function_name())的方式 总结： 在python语言中，定义(声明)函数时，使用def语句。 def function_name(arg1,….): func_suite 当程序遇到def时就会生成一个函数对象，并且这个函数对象被命名为func_name(该名称从某种角度上也可以理解成一个变量名，只是该变量名是为了引用一个函数对象而建立的)，并生成函数体。此函数对象靠函数名来引用。函数体内部的语句只有在函数被调用时才会被执行，而函数结束时( 函数返回后)，其内部生成的数据都会被销毁。 列表解析与生成器： for i in ( j**2 for j in range(1,11)): print i 生成器不能相列表解析一样将某个元素弹出或添加新元素或切片等。因为生成器并不是列表，它只是模拟了列表的一些行为。所以列表的很多功能在生成器中是无法实现的。 可以使用list将生成器转换成列表 list((i**2 for i in range(1,11))) 生成器本身是延迟计算。可以使用自定义函数实现生成器的功能，如下： def genNum(x): y = 0 while y <= x: yield y yield将返回一个生成器对象。而且每次函数执行都会记录前一次的结果。 y +=1 g1=genNum(10) type(g1) g1.next() g1.next() def genNum2(n): m = 1 while m <= n: yield m**2 m +=1 g2 = genNum2(20) for i in g2: print i 函数中使用yield，会返回一个生成器对象。 协程：yield写在表达式右侧，实现协程目的 函数的设计规范： 耦合性： (1)尽可能通过参数授受输入，适就更多场景。以及通过return产生输出，以保证函数的独立性。 (2)尽量减少使用全局变量进行函数间通信。 (3)不要在函数中修改可变类型的参数。 (4) 避免直接改变定义在另外一个模块中的变量。 聚合性： (1)每个函数都应该有一个单一的、统一的目标。 (2)每个函数的功能都应该相对简单。 输入：参数、全局变量、文件/流 输出：return语句、可变参数、全局变量、文件/流
