Python基础——函数（二）

文章目录

函数和过程
函数变量的作用域
- 局部变量
- 全局变量
- global关键字
内嵌函数（内部函数）
闭包（closure）
lambda表达式
两个常用BIF：filter()和map()

函数和过程

在许多编程语言中，函数和过程其实是分开的。一般认为函数（function）是有返回值的，而过程（procedure）是简单、特殊并且没有返回值的。Python严格来说，只有函数，没有过程。举个例子：

调用print(hello())之后打印了两行文字，第一行我们当然知道是hello()函数执行的，第二行的None是怎么回事呢？其实，当不写return语句的时候，默认Python会认为函数是return None的。所以说Python所有的函数都有返回值。

函数变量的作用域

也许大家已经听说了局部变量和全局变量，变量的作用域也就是平常所说的变量可见性，一般的编程语言都有局部变量（Local Variable） 和 全局变量（Global Variable） 之分。

# 计算折扣价
def discounts(price, rate):final_price = price * ratereturn final_priceold_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)

其执行结果如下：

局部变量

这是一个简单的计算折扣价的代码段，来分析一下代码：在函数discounts()中，两个参数是price和rate，还有一个是final_price，它们都是discounts()函数中的局部变量。为什么称为局部变量呢，不妨修改一下代码：

# 计算折扣价
def discounts(price, rate):final_price = price * ratereturn final_priceold_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)# 添加一行试图打印局部变量final_price的值
print("打印局部变量final_price的值：", final_price)

可以看到程序像刚才一样输出之后便报错了，错误原因是：final_price没有被定义过，也就是说，Python找不到final_price这个变量。这是因为final_price只是一个局部变量，它的作用只在它的地盘上——discounts()函数的定义范围内——有效，出了这个范围，就不属于它的地盘了，它将什么都不是。

总结一下：在函数里边定义的参数以及变量，都称为局部变量，出了这个函数，这些变量都是无效的。 事实上的原理是，Python在运行函数的时候，利用栈（Stack）进行存储，当执行完该函数后，函数中的所有数据都会被自动删除，所以在函数外边是无法访问到函数内部的局部变量的。

全局变量

与局部变量相对的是全局变量，程序中的old_price、new_price、rate都是在函数外边定义的，它们都是全局变量，全局变量拥有更大的作用域，例如在函数中可以访问到它们：

# 计算折扣价
def discounts(price, rate):final_price = price * rate# 添加一行试图打印全局变量old_price的值print("打印全局变量old_price的值：", old_price)return final_priceold_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)

其执行结果为：

可以看到全部变量的访问范围更广，不过使用全局变量的时候要千万小心，在Python中，你可以在函数中肆无忌惮的访问一个全局变量，但是如果你试图去修改它，就会出现下面这样的结果：

# 计算折扣价
def discounts(price, rate):final_price = price * rateold_price = 50  # 这里试图修改全部变量print("在局部变量中修改后的old_price的值是：", old_price)return final_priceold_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("全局变量old_price现在的值是：", old_price)
print("打折后的价格是：", new_price)

其执行结果为：

出现这个结果的原因是：如果在函数内部试图修改全局变量，那么Python会创建一个新的局部变量替代（名字跟全局变量相同），但真正的全部变量是没有改变的，所以实现会和大家预期的不同。

总结一下：全局变量在整个代码段中都是可以访问到的，但是不要试图在函数内部去修改全局变量的值，因为那样Python会自动在函数内部新建一个名字相同的局部变量代替。

global关键字

上面提到，全局变量的作用域是整个模块，也就是代码段内所有的函数内部都可以访问到全局变量。但需要注意的是，在函数内部仅仅访问全局变量可以，不要试图去修改它。因为那样的话，Python会使用 屏蔽（Shadowing） 的方式“保护”全局变量：一旦函数内部试图修改全局变量，Python就会在函数内部自动创建一个名字一样的局部变量，这样修改的结果只会修改到局部变量，而不会影响全局变量。举个小例子：

如果你认为有必要在函数中去修改这个全局变量，那么你不妨可以使用global关键字来达到目的。

内嵌函数（内部函数）

Python的函数定义是可以嵌套的，也就是允许在函数内部创建另一个函数，这种函数叫作内嵌函数或者内部函数。下面看一个简单的内嵌函数的例子：

关于内部函数的使用，有一个比较值得注意的地方，就是内部函数整个作用域都在外部函数之内，就像上述例子中的fun2()整个函数的作用域都在fun1()里边。除了在fun1()这个函数体中可以随意调用fun2()这个内部函数外，出了fun1()，就没有任何可以对fun2()进行的调用。
如果在fun1()外调用内部函数fun2()，就会报错：

闭包（closure）

闭包（closure）是函数式编程的一个重要的语法结构，函数式编程是一种编程范式，不同的编程语言实现闭包的方式不同，Python中的闭包从表现形式上定义为：如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包（closure）。举个例子：

也可以这样写：

通过上面的例子来理解闭包的概念：如果在一个内部函数里（funY就是这个内部函数）对外部作用域（但不是在全局作用域）的变量进行引用（x就是被引用的变量，x在外部作用域funX函数里面，但不在全局作用域里），则这个内部函数（funY）就是一个闭包。

使用闭包需要注意的是，因为闭包的概念就是由内部函数而来的，所以也不能在外部函数以外的地方对内部函数进行调用：

在闭包中，外部函数的局部变量对应内部函数的局部变量，事实上相当于之前讲的全局变量跟局部变量的对应关系，在内部函数中，只能对外部函数的局部变量进行访问，但不能进行修改。

再看一个例子：

这个报错信息跟之前讲解全局变量的时候基本一样，Python认为在内部函数（funY）的x是局部变量的时候，外部函数（funX）的x就被屏蔽了起来，所以执行 x *= x 的时候，在右边根本就找不到局部变量x的值，因此报错。

而在Python3中，对于这个问题，也有解决办法——nonlocal关键字。
如果希望在内部函数里可以修改外部函数里的局部变量的值，那么就可以使用nonlocal关键字，使用方式和global关键字一样：

lambda表达式

Python允许使用lambda关键字来创建匿名函数。
Python中的lambda表达式语法非常精简，其基本语法是：
参数 1 ，参数 2 ， . . . : 返回值参数1，参数2，... : 返回值参数1，参数2，...:返回值
在冒号（：）左边放原函数的参数，可以有多个参数，用逗号（，）隔开即可；冒号右边是返回值。

给一个简单的例子：

其写为lambda表达式来定义这个函数，就会变为这样：

我们发现lambda语句实际上是返回一个函数对象，如果要对它进行使用，只需要进行简单的赋值操作即可：

当然，如果有多个参数直接用逗号隔开即可：

lambda表达式的作用：
1、 Python写一些执行脚本时，使用lambda就可以省下定义函数过程，就不需要专门定义一个函数然后再写调用，使用lambda就可以使得代码更加精简。
2、对于一些比较抽象并且整个程序执行下来只需要调用一两次的函数，有时候给函数起名是个比较头疼的问题，使用lambda就不需要考虑命名的问题了。
3、简化代码的可读性，由于阅读普通函数经常要跳到开头def定义的位置，使用lambda函数可以省去这样的步骤。

两个常用BIF：filter()和map()

接下来介绍两个比较实用的BIF：filter()和map()。

一、filter()

这一个内建函数是一个过滤器。我们每天会接触大量的数据，通过过滤器，就可以保留你所关注的信息，把其他不感兴趣的东西直接丢掉。那么Python中的这个filter()是怎么实现这个功能呢？先来看一下Python给出的函数部分注释：

这里只截取了关于函数用法的部分，大概意思是：filter有两个参数，第一个参数可以是一个函数也可以是None，如果第一个参数是一个函数的话，则将第二个可迭代数据里的每一个元素作为函数的参数进行计算，把返回True的值筛选出来；如果第一个参数为None，则直接将第二个参数中为True的值筛选出来。

举几个简单例子：

1、第一个参数为None时

2、利用filter()，写一个筛选奇数的过滤器：

在学习了lambda表达式后，可以将上述过程转换为一行：

二、map()

map()这个内置函数也有两个参数，仍然是一个函数和一个可迭代序列，将序列的每一个元素作为函数的参数进行运算加工，直到可迭代序列每个元素都加工完毕，返回所有加工后的元素构成的新序列。

其用法和filter()类似，举个简单的例子：