函数
一、函数定义与返回值
函数是「组织好的、可复用的、实现特定功能的代码片段」。Python 用 def 定义:
1 | def circle_area(r): |
要点:
- 函数必须先定义再调用(解释型语言,顺序执行)。
- 三引号写在函数体第一行是 docstring(文档字符串),可用
help(函数名)查看。 - 没有
return或return后无值时,函数返回None。
1.1 多返回值(本质是元组)
Python 函数可以「返回多个值」,本质是返回一个元组(自动组包):
1 | def circle_area_len(r): |
多返回值 + 解包是 Python 很常用的组合,例如 max_score, min_score, avg = calc(scores)。
二、函数参数(Python 特有重点)
Python 的参数体系是所有语言里最灵活的之一,也是重点难点。
2.1 位置参数与关键字参数
1 | def reg_stu(name, age, gender, city): |
2.2 默认参数
1 | def reg_stu(name, age, gender="男", city="北京"): |
可变默认参数陷阱(高频面试题):
1 | # 反例:默认参数是可变对象,会被所有调用共享! |
原因:默认参数在函数定义时只求值一次,可变对象会被多次调用共享。默认值请用不可变对象或 None。
2.3 可变位置参数 *args
用 *参数名 接收任意数量的位置参数,打包成元组:
1 | def calc(*args): |
2.4 可变关键字参数 **kwargs
用 **参数名 接收任意数量的关键字参数,打包成字典:
1 | def calc(*args, **kwargs): |
*args 和 **kwargs 同时存在时,*args 必须在前。命名约定上 args/kwargs 只是惯例,也可用其他名字,但全行业通用这两个名字。
2.5 keyword-only 参数(仅关键字参数)
* 之后的参数只能用关键字传入,不能按位置传:
1 | def f(name, *, age, city): |
用途:强制调用者写清楚参数含义,提高可读性,尤其参数较多时。
2.6 仅位置参数 /(3.8+)
/ 之前的参数只能用位置传入,不能用关键字:
1 | def f(a, b, /, c): |
这在标准库(如 range、str.split)里常见。日常自己写代码用得不多。
2.7 完整参数顺序
把所有参数形式合起来的顺序是:
1 | 位置参数, 仅位置标记 /, 默认位置参数, *args, keyword-only参数, **kwargs |
1 | def f(a, b=2, *args, c, d=4, **kwargs): |
2.8 调用时解包参数
调用时用 * / ** 把容器拆开传参(与接收端 *args/**kwargs 正好对称):
1 | def f(x, y, z): |
三、作用域与变量查找
3.1 LEGB 规则
Python 查找变量名时按 LEGB 顺序(由内向外):
| 字母 | 作用域 | 说明 |
|---|---|---|
| L(Local) | 局部 | 函数内部 |
| E(Enclosing) | 闭包外层 | 嵌套函数的外层函数 |
| G(Global) | 全局 | 模块级别 |
| B(Built-in) | 内建 | len、print 等内置名字 |
3.2 全局变量与 global
函数内直接赋值会创建局部变量,不会修改全局变量(摘自练习代码):
1 | num = 100 |
要点:读全局变量不需要声明,写(重新赋值)全局变量必须先用 global 声明。修改可变对象(如 lst.append)不算重新赋值,无需 global。
3.3 nonlocal
嵌套函数里要修改外层函数的变量,用 nonlocal(不能用于全局,全局用 global):
1 | def outer(): |
四、lambda 与高阶函数
4.1 函数是一等对象
Python 中函数本身是对象,可以赋值给变量、作为参数传递、作为返回值——这是「函数式编程」能力的基础:
1 | def add(x, y): |
4.2 lambda 匿名函数
lambda 参数列表: 表达式 定义一个匿名函数,只能有一行表达式,自动返回结果,无需 return:
1 | add = lambda x, y: x + y |
lambda 适合「一次性的简单函数」;逻辑复杂、需要多行时请用
def定义具名函数,可读性更好。
4.3 内置高阶函数
| 函数 | 作用 | 返回值 |
|---|---|---|
map(fn, iterable) |
对每个元素应用 fn | 迭代器 |
filter(fn, iterable) |
保留 fn 为真的元素 | 迭代器 |
reduce(fn, iterable) |
两两累积计算(functools) | 单值 |
zip(*iterables) |
并行打包多个序列 | 迭代器 |
sorted(iterable, key=) |
排序返回新列表 | 列表 |
any(iterable) / all(iterable) |
任一为真 / 全为真 | 布尔 |
1 | nums = [1, 2, 3, 4, 5] |
map/filter返回的是惰性迭代器,需list()转成列表才能直接看到结果。多数场景下列表推导式比 map/filter 更可读(见第 2 篇 3.6 节)。
五、递归
递归是函数调用自身的编程方式,必须有基准条件(终止条件)防止无限递归:
1 | def jc(n): # 阶乘 |
递归的两个要点:
- 基准条件:递归到某一步必须能停止。
- 规模递减:每次调用让问题向基准条件靠近。
Python 对递归深度有限制(默认约 1000 层,sys.setrecursionlimit 可调),且没有尾递归优化,深层递归会栈溢出。因此能用循环解决的优先用循环,递归主要用于树、图、分治等天然递归的结构(如遍历目录、解析嵌套结构)。
六、类型注解
类型注解是给变量、函数参数和返回值标注类型,只是提示、不是强制约束——它不会改变 Python 的动态类型特性,但能帮助 IDE 补全、让工具(mypy、pylint)做静态检查,大幅减少类型错误(摘自练习代码 chapter02/18.类型注解.py)。
6.1 变量注解
1 | a: int = 596 |
注解是「提示」不是「约束」:给
list[int]追加10010.0(float)也不会报错,运行时照常执行。
6.2 函数注解
1 | def circle_area_len(r: float) -> tuple[float, float]: |
格式:def 函数名(参数: 类型) -> 返回值类型。
6.3 typing 模块(进阶)
基础类型不够用时,用 typing 模块的泛型(企业级常用):
1 | from typing import Optional, Union, Any, Callable, Literal |
3.10+ 推荐用
X | None、X | Y替代Optional[X]、Union[X, Y],写法更简洁。类型注解的完整进阶(泛型、Protocol)在第 6 篇《面向对象》配合 dataclass 一起讲。
七、functools 常用工具
functools 提供了几个高频使用的高阶函数工具:
7.1 partial 偏函数(固定部分参数)
1 | from functools import partial |
适合「预先固定某些参数,生成专用函数」的场景(如固定数据库连接、固定默认配置)。
7.2 lru_cache 缓存(记忆化)
@lru_cache 自动缓存函数结果,重复调用直接返回缓存,是性能优化的利器:
1 | from functools import lru_cache |
适合「纯函数」(同样的输入永远同样的输出、无副作用)的重复计算,如递归、解析配置、数据库查询缓存。
7.3 reduce 累积计算
reduce(fn, 序列) 把序列两两累积,得到单值(见 4.3 节示例)。
小结
函数篇的核心是参数体系,这是 Python 与多数语言差异最大、最易失分的地方:
- 参数五种形式:位置、默认、
*args、**kwargs、keyword-only,及调用时的*/**解包。 - 可变默认参数陷阱:默认值必须是不可变对象或 None。
- 作用域 LEGB:读全局无需声明,写全局要
global,改闭包外层要nonlocal。 - lambda 与高阶函数:函数是一等对象,
sort(key=)、map/filter、partial/lru_cache是生产高频。 - 类型注解:
变量: 类型、参数: 类型 -> 返回类型、list[int]、X | None联合类型,只是提示不做强制。