写在篇前

函数能提高应用的模块性，和代码的重复利用率，是编程必须具备的基本抽象能力。python函数更是奇妙灵活，与很多特性值得探讨，本篇文章就来详细看看python 函数那些巧妙之处。首先，在篇前简单说说python函数的形式。比如说我们要实现一个函数：计算一个数m的n次方，那么函数可以定义如下：

def exponentiation(m, n):return m^n# def 是函数定义关键字
# exponentiation 是函数名
# (m,n)是函数参数，后面冒号之后是函数体
# return 表示返回值，一个函数也可以没有函数体，此时返回值为None

函数参数

必选参数

必选参数，又称为位置参数，我们上面定义的函数exponentiation中m, n 就是必选参数。当调用该函数时，每一个必选参数都必须传入合适的值。
默认参数

修改函数exponentiation为:
```
def exponentiation(m, n=2):return m^n
```
这样，n便是一个默认参数，当计算一个数的二次方时，只需要传入参数m即可：
```
>>> exponentiation(3)
9
```
需要注意的是，必选参数必须在前，默认参数在后，否则Python的解释器会报错；为了避免不必要的坑，默认参数必须指向不变对象。另外，在函数定义的时候就会确定默认参数的值，当我们改变x的值的时候对默认参数值并没有影响,即：
```
>>> x = 42
>>> def spam(a, b=x):
...     print(a, b)
...
>>> spam(1)
1 42
>>> x = 23
>>> spam(1)
1 42
>>>
```

可变参数

可变参数是python函数灵活性的表现之一，如果有这样一个需求，编写一个函数计算若干个数的和，这时可变参数便是一种好的选择：

def calc_sum(*args):sum = 0for arg in args:sum += argreturn sumprint(calc_sum(1, 2, 3)) # 可变参数可传入0个或任意个参数，在函数调用时自动组装为一个tuple
nums = [1, 2, 3]
print(calc_sum(*nums))  # *nums意思是将nums中的所有元素以可变参数的形式传入函数

关键字参数

关键字参数允许你传入0个或任意个含参数名的参数，在函数内部会自动组装为一个dict。

def print_info(pc_id, pc_name, **kwargs):print(pc_id, pc_name, kwargs, sep='\n')other_info = {'city': 'NanJing', 'company': 'APPLE'}
print_info('0001', 'IMac-2018', city='NanJing', company='APPLE')
print_info('0001', 'IMac-2018', **other_info)0001
IMac-2018
{'city': 'NanJing', 'company': 'APPLE'}
0001
IMac-2018
{'city': 'NanJing', 'company': 'APPLE'}

关键字参数可以传入任意参数名，那我们可不可以限制他传入指定的参数名呢？答案是当然可以，采用命名关键字可以实现该需求。但是这里需要搞清楚一个逻辑上的问题。这里的指定的参数名要和前面的必选参数区分开来。命名关键字参数如果有默认值可以不传入，但是如果传入就只能是已经限定的关键字参数。

def print_info(pc_id, pc_name, *, city, company):# 用一个 *，区分必选参数和关键字参数print("pc_id: %s\tpc_name: %s" % (pc_id, pc_name), end='\t')if city:print('city:%s' % city, end='\t')if company:print('company:%s' % company)other_info = {'city': 'NanJing', 'company': 'APPLE'}print_info('0001', 'IMac-2018', city='NanJing', company='APPLE')
print_info('0001', 'IMac-2018', **other_info)# 但是如果函数定义中已经有了一个可变参数，命名关键字参数就不再需要分隔符*了
# def print_info(pc_id, pc_name, *args, city, company):

小结

以上四种参数可以灵活的进行组合应用，需要注意的是，参数定义的顺序必须是：必选参数、默认参数、可变参数、(命名关键字参数)关键字参数。
```
def f(a, b, c=0, *args, **kw):print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)
```

特殊函数

匿名函数

在python中可以通过lambda来定义匿名函数，其返回一个函数表达式，类似于def，但是比def更轻巧，可以没有名字。

# 关键字`lambda`表示匿名函数，冒号前面的`x`,`y`表示函数参数
# 匿名函数有个限制:只能有一个表达式，不用写return，返回值就是该表达式的结果。
>>>add = lambda x,y: x+y
>>>add(2,3)
5

需要注意的是，lambda表达式中的参数x、y等是自由变量，在运行时绑定值，而不是定义时就绑定，这跟函数的默认值参数定义是不同的。因此在下面例子中，调用这个lambda表达式的时候，x的值是执行时的值。

>>> x = 10
>>> a = lambda y: x + y
>>> x = 20
>>> b = lambda y: x + y
>>> a(10)
30
>>> b(10)
30

高阶函数

一个函数接收另一个函数作为参数，这种函数称之为高阶函数（Higher-order Functions）。python中有几个常用的内置高阶函数：

filter

filter() 函数接收两个参数，一个函数和一个序列，其中传入的函数会依次作用于序列的每一个元素，根据返回值是True或则False决定是否保留该元素。
```
filter(lambda x: x>10, [1, 56, 3, 36, 9])>>> g = filter(lambda x: x>10, [1, 56, 3, 36, 9])
>>> g
<filter object at 0x10207b470>
>>> type(g)
<class 'filter'>
>>> list(g)
[56, 36]
```
map/reduce

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回；reduce() 把一个函数作用在一个序列[x1, x2, x3, …]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。
```
>>> r = map(lambda x:x*x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> type(r)
<class 'map'>
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]from functools import reduce
>>>reduce(lambda x,y: x+y, [1,2,3,4])
10
```

sorted

用于可迭代对象的排序，如：

# 实例1
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]

返回函数

高阶函数除了可以接受函数作为参数，也可以将函数作为返回值，实现“延迟计算”。

def calc_sum(lst):def lazy_sum():return sum(lst)return lazy_sum>>> f = calc_sum([1, 2, 3, 4])
>>>f
<function calc_sum.<locals>.lazy_sum at 0x10e9bd158>
>>>f()
10

偏函数

偏函数的作用是为函数某些参数设置默认值，使调用更加方便，以下会是一个好的例子：

points = [ (1, 2), (3, 4), (5, 6), (7, 8) ]
import math
def distance(p1, p2):x1, y1 = p1x2, y2 = p2return math.hypot(x2 - x1, y2 - y1)
>>> pt = (4, 3)
>>> points.sort(key=partial(distance,p2=pt))  # 注意这里必须是p2=pt
>>> points
[(3, 4), (1, 2), (5, 6), (7, 8)]

回调函数

在计算机程序设计中，回调函数，是指通过函数参数传递到其它代码的，某一块可执行代码的引用。这一设计允许了底层代码调用在高层定义的子程序。关于理解可以参考回调函数是什么。这里我们也给出一个例子辅助理解：

def greeting(name):print('hello %s!' % name)def someone_coming(callback):name = input()callback(name)def main():someone_coming(greeting)if __name__ == '__main__':main()

内置函数

这里确切的应该说是其他内置函数，因为上面也涉及很多内置函数，如sorted、filter、map等。另外，python内置函数非常之多，如果想了解更全面的内部函数，可以参考内置函数1，内置函数2

zip()

用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。需要注意的是，当多个可迭代数据length不同时，取最小长度，其他忽略。

>>>a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)     # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)              # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]

reversed()

用于反转序列，生成新的可迭代对象

>>> a = reversed(range(10)) # 传入range对象
>>> a # 类型变成迭代器
<range_iterator object at 0x035634E8>
>>> list(a)
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

enumerate()

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中
```
>>>seq = ['one', 'two', 'three']
>>> for i, element in enumerate(seq):
...     print i, element0 one
1 two
2 three
```

python函数详解相关推荐

2、Python函数详解(0601)
函数的基础概念 1.函数是python为了代码最大程度的重用和最小化代码冗余而提供的基本程序结构: 2.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: 3.函数用于将相关功能打包并参 ...
Python函数详解：函数定义、调用，lambda函数，高阶函数map,filter,reduce，函数式编程，模块化设计、代码复用、函数递归、enumerate()
一.函数函数是一段具有特定功能的.可重用的语句组,通过函数名来表示和调用. 函数是一段代码的抽象和封装函数是一段具有特定功能的.可重用的语句组函数是一种功能的抽象,表达特定功能两个作用:降低编 ...
Python 函数详解
作用域全局变量&局部变量全局变量和局部变量都是在讨论无参数的函数,不要把全局变量和局部变量与函数的参数混淆了. 1.1 函数会在函数域中找变量(局部变量),如果函数内部没有定义该变量,则会 ...
python函数详解_Python函数详解（转）
原地址:http://www.ithov.com/linux/100534_2.shtml 摘要:Python是一种面向对象.直译式计算机程序设计语言,也是一种功能强大而完善的通用型语言,已经具有十多 ...
【python入门篇——16】Python函数详解（函数定义，参数种类、返回值、作用域等）
一函数定义: 函数是指将一组语句的集合通过一个名字(函数名)封装起来,要想执行这个函数,只需调用其函数名即可特性: 1.代码重用2.保持一致性3.可扩展性二函数的创建 2.1 格式: Pyt ...
python函数详解_INDEX函数
一. 函数的作用函数就是将一段具有独立功能的代码块整合到一个整体并命名,在需要的位置调用这个名称即可完成对应的需求. 函数在开发过程中,可以更高效的实现代码重用. 二. 函数的使用步骤 1. 定义 ...
python基础知识~ 函数详解2
python~函数详解2 1 生成器函数定义如果函数有yield这个关键字,就是生成器函数.生成器函数() 获取的是生成器,不执行函数须知 yield和return一样,都可以返回数 ...
python平方数迭代器_对python中的高效迭代器函数详解
python中内置的库中有个itertools,可以满足我们在编程中绝大多数需要迭代的场合,当然也可以自己造轮子,但是有现成的好用的轮子不妨也学习一下,看哪个用的顺手~ 首先还是要先import一下: ...
Python之pandas：pandas中缺失值与空值处理的简介及常用函数(drop()、dropna()、isna()、isnull()、fillna())函数详解之详细攻略
Python之pandas:pandas中缺失值与空值处理的简介及常用函数(drop().dropna().isna().isnull().fillna())函数详解之详细攻略目录 pandas中缺 ...

python函数详解