函数的介绍
函数是组织好的,可重复使用的,用来实现单一,或相关联功能的代码段。
函数能提高应用的模块性,和代码的重复利用率。你已经知道Python提供了许多内建函数,比如print()。但你也可以自己创建函数,这被叫做用户自定义函数
函数的好处:
- 代码重用
- 保持一致,易于维护
- 可扩展性
函数的定义和调用
函数的定义
函数的定义规则:
- 函数代码块以 def 关键词开头,后接函数标识符名称和圆括号 ()
- 任何传入参数和自变量必须放在圆括号中间,圆括号之间可以用于定义参数
- 函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明
- 函数内容以冒号起始,并且缩进
- return [表达式] 结束函数,选择性地返回一个值给调用方。不带表达式的return相当于返回 None
定义的语法:
定义函数的语法:
def 函数名(参数):
函数体
返回值
示例:
def print_hello():
"""
打印hello
:return:
"""
print("hello")
函数的调用
定义了函数之后,就相当于有了一个具有某些功能的代码,想要让这些代码能够执行,需要调用它
调用函数很简单的,通过 函数名() 即可完成调用
# 示例:
print_hello() # 调用函数
注意:
- 每次调用函数时,函数都会从头开始执行,当这个函数中的代码执行完毕后,意味着调用结束了
- 当然了如果函数中执行到了return也会结束函数
函数的返回值
在函数中添加返回值,需要使用return关键字
def fun1(): # 无返回值
print("aa")
def fun2():
msg = "hello world"
return msg # 返回msg,一个返回值
def fun3():
return 1, 2, 3 # 返回多个返回值
aa = fun1() # 接收函数的返回值
bb = fun2()
cc = fun3()
print(aa)
print(bb)
print(cc)
# 输出结果:
# None
# hello world
# (1, 2, 3)
总结:
- 函数中如果没有return语句返回,那么python函数会默认返回None
- 函数返回值数为0,函数默认返回None;函数返回值数为1是,则返回object;返回值数大于1时,则返回的是一个tuple
函数的参数
函数参数的原则:
- 形参变量只有在被调用时才分配内存单元,在调用结束时,即刻释放所分配的内存单元。因此,形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量
- 实参可以是常量、变量、表达式、函数等,无论实参是何种类型的量,在进行函数调用时,它们都必须有确定的值,以便把这些值传送给形参。因此应预先用赋值,输入等办法使参数获得确定值
- 位置参数和关键字(标准调用:实参与形参位置一一对应;关键字调用:位置无需固定)
- 默认参数:放在参数列表的最后
- 参数组
普通参数
def fun1(name): # name为形式参数
print(name)
aa = "hello"
fun1(aa) # aa为实参
默认参数
def func(name, age=18):
print("%s:%s" % (name, age))
# 指定参数
func('aa', 19) # 自定义传入默认参数,以传入的为准
func('cc', age=20)
func('bb') # 默认参数不传,使用默认值
# 运行结果:
# aa:19
# cc:20
# bb:18
动态参数
位置参数 > *动态参数 > 默认参数
def func1(*args):
print(args)
print(type(args)) # <class 'tuple'> 元组
# 执行方式一
func1(11, 33, 4, 4454, 5)
# 执行方式二
li = [11, 2, 2, 3, 3, 4, 54]
func1(*li)
def func2(**kwargs):
print(kwargs)
print(type(kwargs)) # <class 'dict'>
# 执行方式一
func2(name='wupeiqi', age=18)
# 执行方式二
dict1 = {'name': 'fyh', "age": 18, 'gender': 'male'}
func2(**dict1)
注意:
- 加了星号(*)的变量args会存放所有未命名的变量参数,args为元组
- 而加**的变量kwargs会存放命名参数,即形如key=value的参数, kwargs为字典
万能参数:
# 万能参数 可以接收任意的参数
def func(*args, **kwargs):
pass
函数的嵌套
def func1():
print("hello world")
def func2():
print("aa")
func1()
print("cc")
func2() # 按顺序执行 先执行print("aa") --> func1() --> print("cc")
全局变量与局部变量
命名空间与作用域
命名空间:
1.内置命名空间:python解释内部运行时的变量函数
2.全局命名空间:我们在py文件中直接声明出来的变量、函数
3.局部命名空间:在函数内部声明的变量和函数
加载顺序:
1.内置命名空间
2.全局命名空间
3.局部命名空间
取值顺序:
1.局部命名空间
2.全部命名空间
3.内置命名空间
作用域:
1.全局作用域:全局命名空间 + 内置命名空间
2.局部作用域:局部命名空间
可以通过globals()函数来查看全局作用域中的内容,也可以locals()查看当前作用域中的内容
全局变量与局部变量
全局变量与局部变量的本质在于作用域的不同
全局变量说白了就是在整个py文件中声明,全局范围内都可以使用
局部变量是在某个函数内声明的,只能在函数内部使用
# 示例
def fun1():
name = "aa"
print(name)
直接报错,报错原因:试图访问局部变量而报的错
局部变量与全局变量变量名一样
- 全局变量与局部变量名一致,函数内部会优先使用局部变量
- 修改局部变量不会影响到全局变量
name = "bb"
def print_name():
name = "aa"
print(name)
print_name()
print(name)
# 打印的结果为
# aa
# bb
global关键字
使用global关键字:则会告诉python编译器,这个变量是全局变量而不是局部变量,这样在函数体内修改变量会影响全局了
name = "bb"
def print_name():
global name
name = "aa"
print(name)
print_name()
print(name)
# 打印的结果:
# aa
# aa
nonlocal关键字
onlocal关键字在python3中新出现的关键字,作用:用来在函数或其他作用域中使用外层(非全局)变量
nonlocal适用于在局部函数中的局部函数,把最内层的局部变量设置成外层局部可用,但是还不是全局的。
注:nonlocal必须要绑定局部变量
def fun1():
num = 1
def fun2():
nonlocal num # 此处不能使用global,只能使用nonlocal
num += 1
return num
return fun2
aa = fun1()
print(aa())
函数名的本质
函数名本质上就是函数的内存地址
可以被引用
def func():
print('in func')
f = func
print(f) # <function func at 0x000001F18D5B2E18>
可以被当作容器类型的元素
def f1():
print('f1')
def f2():
print('f2')
def f3():
print('f3')
l = [f1, f2, f3]
d = {'f1': f1, 'f2': f2, 'f3': f3}
# 调用
l[0]()
d['f2']()
可以作为函数的参数或返回值
作为函数的参数
def func1():
print("aa")
def func2(f2):
f2()
func2(func1) # 作为函数的参数
作为返回值
def func1():
def func2():
print("bb")
return func2 # 作为返回值
f = func1()
f()
匿名函数
语法格式:lambda [形参1], [形参2], ... : [单行表达式] 或 [函数调用]
# 不带参数
my_fun = lambda : 10 + 20
# 带参数
my_add = lambda a, b: a + b
my_add()
注意:
- 函数的参数可以有多个,多个参数之间用逗号隔开
- 匿名函数不管多复杂,只能写一行,且逻辑结束后直接返回数据
- 返回值和正常的函数一样,可以是任意数据类型
匿名函数并不是说一定没有名字,这里前面的变量就是一个函数名。说它是函数名原因是我们通过__name__查看的时候是没有名字的,统一是lambda.在调用的时候没有什么特别之处,像正常函数一样调用即可.
匿名函数作为函数参数
def my_function(func):
a = 100
b = 200
# 把 cucalate_rule 当做函数来调用
result = func(a, b)
print('result:', result)
my_function(lambda a, b: a + b)
高阶函数
sorted 排序
语法:sorted(Iterable, key=None, reverse=False)
Iterable:可迭代对象
key:排序规则(排序函数),在sorted内部会将可迭代对象中的每一个对象传递给这个函数的参数,根据函数的运算结果进行排序
lst = [5, 7, 6, 12, 1, 13, 9, 18, 5]
# lst.sort() # sort是list里面的方法
# print(lst)
new_lst = sorted(lst, reverse=True) # 内置函数,返回给你一个新列表,新列表是被排序的
print(new_lst)
# 给列表排序,按照字符串的长度进行排序
lst2 = ["大阳哥", "尼古拉斯", "赵四", "刘能", "广坤", "谢大脚"]
def func(st):
return len(st)
new_lst = sorted(lst2, key=func) # 内部,把可迭代对象中的每一个元素传递给func
# new_lst = sorted(lst2, key=lambda x: len(x)) # 也可以使用匿名函数
print(new_lst)
filter 过滤
filter(过滤):遍历序列中的每个元素,判断每个元素得到布尔值,如果是True则留下来,组成新的迭代器
语法:filter(function, Iterable) 返回一个迭代器
function:用来筛选的函数,在filter中会自动的把iterable中的元素传递给function,然后根据function返回的True或者False来判断是否保留次数据
Iterable:可迭代对象
list1 = ["1111aaa", "2222aaa", "3333aaa", "4444", "5555", "6666"]
list2 = filter(lambda x: x.endswith("aaa"), list1) # 有过滤的作用
print(list(list2))
# 运行结果:['1111aaa', '2222aaa', '3333aaa']
map 映射
语法:map(function, Iterable)
map处理序列中的每个元素,得到一个结果(迭代器),该迭代器元素个数与位置不变
list1 = [1, 2, 3, 4, 5]
list2 = map(lambda x: x+1, list1) # map的第一个参数为函数,后面的参数为可迭代对象
print(list(list2))
# 结果:[2, 3, 4, 5, 6]
lst1 = [1, 2, 3, 4, 5]
lst2 = [2, 4, 6, 8, 9]
print(list(map(lambda x, y: x+y, lst1, lst2)))
# 结果:[3, 6, 9, 12, 14]
reduce
reduce 处理一个序列,把序列进行合并操作
from functools import reduce
list1 = [1, 2, 3, 4, 5]
aa = reduce(lambda x, y: x+y, list1) # 前一个参数的函数必须是两个参数
print(aa)
# 运行结果:15
递归函数
1、递归的特点
递归算法是一种直接或间接调用自身算法的过程,在计算机编程中,递归算法对解决一大类问题是十分,它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点:
(1)递归就是在过程或函数里调用自身
(2)在使用递归策略时,必须有一个明确的递归结束条件,称为递归出口。
(3)递归算法解题通常显得很简洁,但递归算法解题的运行效率较低,所以一般不提倡用递归算法设计程序。
(4)在递归调用的过程中系统为每一层的返回点、局部量等开辟了栈来存储,递归次数过多容易造成栈溢出等。
2、递归的要求
递归算法所体现的“重复”一般有三个要求:
(1)每次调用在规模上都有所缩小(通常是减半)
(2)是相邻两次重复之间有紧密的联系,前一次要为后一次做准备(通常前一次的输出作为后一次的输入)
(3)在问题的规模极小时必须用直接给出解答而不再进行递归调用,因而每次递归调用都是有条件的(以规模位达到直接解答的大小为条件)无条件递归调用将会成为死循环而不能正常结束。
"""
1! = 1
2! = 2 × 1 = 2 × 1!
3! = 3 × 2 × 1 = 3 × 2!
4! = 4 × 3 × 2 × 1 = 4 × 3!
...
n! = n × (n-1)!
使用递归实现
"""
def cal_num(num):
if num >= 1:
result = num * cal_num(num - 1)
else:
result = 1
return result
print(cal_num(3))
递归的执行原理:
递归的执行深度调整:
import sys
sys.setrecursionlimit(10000) # 可以调整递归深度,但是不一定跑到这里
案例1:斐波那契数列
# 斐波那契数列:就是前两个数的和为后一个数的值(0,1,1,2,3,5,8,13.........):
# 计算第n个数的值
def foo(num):
"""
实现斐波那契数列
:param num: 第几个数
:return:
"""
if num <= 0:
return 0
elif num == 1:
return 1
else:
return foo(num - 1) + foo((num - 2))