标签：error 位移 等价 常见 针对 cti 用两个 job michael
在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回
自定义一个求绝对值的my_abs函数为例：
def my_abs(x):
if x >= 0:
return x
else:
return -x
如果已经把my_abs()的函数定义保存为abstest.py文件了，那么，可以在该文件的当前目录下启动Python解释器，用from abstest import my_abs来导入my_abs()函数
如果想定义一个什么事也不做的空函数，可以用pass语句
def nop(): pass
参数类型检查
对参数类型做检查，只允许整数和浮点数类型的参数。数据类型检查可以用内置函数isinstance()实现
def my_abs(x): if not isinstance(x, (int, float)): raise TypeError(‘bad operand type‘) if x >= 0: return x else: return -x
函数返回多个值
在游戏中经常需要从一个点移动到另一个点，给出坐标、位移和角度，就可以计算出新的坐标
import math def move(x, y, step, angle=0): nx = x + step * math.cos(angle) ny = y - step * math.sin(angle) return nx, ny
1.3.1 位置参数
先写一个计算x**2的函数
def power(x): return x * x
把power(x)修改为power(x, n)，用来计算xn
def power(x, n): s = 1 while n > 0: n = n - 1 s = s * x return s
修改后的power(x, n)函数有两个参数：x和n，这两个参数都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋给参数x和n
1.3.2 默认参数
在power(x,n)中把第二个参数n的默认值设定为2，这样，当我们调用power(5)时，相当于调用power(5, 2)
def power(x, n=2): s = 1 while n > 0: n = n - 1 s = s * x return s
设置默认参数时，需要注意的点
1.必选参数在前，默认参数在后，否则会报错
2.当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数
使用默认参数，最大的好处是能降低调用函数的难度
写个一年级小学生注册的函数，需要传入name和gender两个参数
def enroll(name, gender): print(‘name:‘, name) print(‘gender:‘, gender)
继续传入年龄、城市等信息，我们可以把年龄和城市设为默认参数
def enroll(name, gender, age=6, city=‘Beijing‘): print(‘name:‘, name) print(‘gender:‘, gender) print(‘age:‘, age) print(‘city:‘, city)
只有与默认参数不符的学生才需要提供额外的信息
enroll(‘Bob‘, ‘M‘, 7) enroll(‘Adam‘, ‘M‘, city=‘Tianjin‘)
有多个默认参数时，调用的时候，既可以按顺序提供默认参数
比如调用enroll(‘Bob‘, ‘M‘, 7)，意思是，除了name，gender这两个参数外，最后1个参数应用在参数age上，city参数由于没有提供，仍然使用默认值
也可以不按顺序提供部分默认参数。当不按顺序提供部分默认参数时，需要把参数名写上
比如调用enroll(‘Adam‘, ‘M‘, city=‘Tianjin‘)，意思是，city参数用传进去的值，其他默认参数继续使用默认值
默认参数很有用，但使用不当，也会掉坑里。默认参数有个最大的坑，演示如下
先定义一个函数，传入一个list，添加一个END再返回
def add_end(L=[]): L.append(‘END‘) return L
使用默认参数调用时，一开始结果也是对的，但是，再次调用add_end()时，结果就不对了
>>> add_end() [‘END‘] >>> add_end() [‘END‘, ‘END‘]
原因解释如下：
Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。
定义默认参数要牢记一点：默认参数必须指向不变对象！
要修改上面的例子，我们可以用None这个不变对象来实现
def add_end(L=None): if L is None: L = [] L.append(‘END‘) return L
现在，无论调用多少次，都不会有问题
>>> add_end() [‘END‘] >>> add_end() [‘END‘]
1.3.3 可变参数
在Python函数中，还可以定义可变参数。顾名思义，可变参数就是传入的参数个数是可变的，可以是1个、2个到任意个，还可以是0个
我们以数学题为例子，给定一组数字a，b，c……，请计算a2 + b2 + c2 + ……
def calc(numbers): sum = 0 for n in numbers: sum = sum + n * n return sum
但是调用的时候，需要先组装出一个list或tuple：
>>> calc([1, 2, 3]) 14 >>> calc((1, 3, 5, 7)) 84
我们把函数的参数改为可变参数
def calc(*numbers): sum = 0 for n in numbers: sum = sum + n * n return sum
利用可变参数，调用函数的方式可以简化成这样：
>>> calc(1, 2, 3) 14 >>> calc(1, 3, 5, 7) 84
定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了一个*号。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数
如果已经有一个list或者tuple，要调用一个可变参数，Python允许你在list或tuple前面加一个*号，把list或tuple的元素变成可变参数传进去
>>> nums = [1, 2, 3] >>> calc(*nums) 14
等价于
>>> nums = [1, 2, 3] >>> calc(nums[0], nums[1], nums[2]) 14
1.3.4 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，这些关键字参数在函数内部自动组装为一个dict
请看示例： def person(name, age, **kw): print(‘name:‘, name, ‘age:‘, age, ‘other:‘, kw)
在调用该函数时，可以只传入必选参数，也可以传入任意个数的关键字参数
>>> person(‘Michael‘, 30) name: Michael age: 30 other: {} >>> person(‘Bob‘, 35, city=‘Beijing‘) name: Bob age: 35 other: {‘city‘: ‘Beijing‘} >>> person(‘Adam‘, 45, gender=‘M‘, job=‘Engineer‘) name: Adam age: 45 other: {‘gender‘: ‘M‘, ‘job‘: ‘Engineer‘}
关键字参数可以扩展函数的功能。比如，在person函数里，我们保证能接收到name和age这两个参数，但是，如果调用者愿意提供更多的参数，我们也能收到。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。
和可变参数类似，也可以先组装出一个dict，然后，把该dict转换为关键字参数传进去
>>> extra = {‘city‘: ‘Beijing‘, ‘job‘: ‘Engineer‘}
>>> person(‘Jack‘, 24, **extra)
name: Jack age: 24 other: {‘city‘: ‘Beijing‘, ‘job‘: ‘Engineer‘}
**extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra
1.3.5 命名关键字参数
如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数
def person(name, age, *, city, job): print(name, age, city, job)
和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数
>>> person(‘Jack‘, 24, city=‘Beijing‘, job=‘Engineer‘) Jack 24 Beijing Engineer
如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了
def person(name, age, *args, city, job): print(name, age, args, city, job)
命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错
命名关键字参数可以有缺省值，由于命名关键字参数city具有默认值，调用时，可不传入city参数
def person(name, age, *, city=‘Beijing‘, job): print(name, age, city, job) >>> person(‘Jack‘, 24, job=‘Engineer‘) Jack 24 Beijing Engineer
1.3.6 参数组合
在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数
def f1(a, b, c=0, *args, **kw): print(‘a =‘, a, ‘b =‘, b, ‘c =‘, c, ‘args =‘, args, ‘kw =‘, kw) def f2(a, b, c=0, *, d, **kw): print(‘a =‘, a, ‘b =‘, b, ‘c =‘, c, ‘d =‘, d, ‘kw =‘, kw)
在函数调用的时候，Python解释器自动按照参数位置和参数名把对应的参数传进去
a = 1 b = 2 c = 0 args = () kw = {} >>> f1(1, 2, c=3) a = 1 b = 2 c = 3 args = () kw = {} >>> f1(1, 2, 3, ‘a‘, ‘b‘) a = 1 b = 2 c = 3 args = (‘a‘, ‘b‘) kw = {} >>> f1(1, 2, 3, ‘a‘, ‘b‘, x=99) a = 1 b = 2 c = 3 args = (‘a‘, ‘b‘) kw = {‘x‘: 99} >>> f2(1, 2, d=99, ext=None) a = 1 b = 2 c = 0 d = 99 kw = {‘ext‘: None}
通过一个tuple和dict，也可以调用上述函数
>>> args = (1, 2, 3, 4) >>> kw = {‘d‘: 99, ‘x‘: ‘#‘} >>> f1(*args, **kw) a = 1 b = 2 c = 3 args = (4,) kw = {‘d‘: 99, ‘x‘: ‘#‘} >>> args = (1, 2, 3) >>> kw = {‘d‘: 88, ‘x‘: ‘#‘} >>> f2(*args, **kw) a = 1 b = 2 c = 3 d = 88 kw = {‘x‘: ‘#‘}
小结
Python的函数具有非常灵活的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。
默认参数一定要用不可变对象，如果是可变对象，程序运行时会有逻辑错误！
要注意定义可变参数和关键字参数的语法：
*args是可变参数，args接收的是一个tuple；
**kw是关键字参数，kw接收的是一个dict。
以及调用函数时如何传入可变参数和关键字参数的语法：
可变参数既可以直接传入：func(1, 2, 3)，又可以先组装list或tuple，再通过*args传入：func(*(1, 2, 3))；
关键字参数既可以直接传入：func(a=1, b=2)，又可以先组装dict，再通过**kw传入：func(**{‘a‘: 1, ‘b‘: 2})。
使用*args和**kw是Python的习惯写法，当然也可以用其他参数名，但最好使用习惯用法。
命名的关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。
定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*，否则定义的将是位置参数。
如果一个函数在内部调用自身本身，这个函数就是递归函数
计算阶乘n! = 1 x 2 x 3 x ... x n，用函数fact(n)表示
fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n
def fact(n): if n==1: return 1 return n * fact(n - 1)
小结
1.使用递归函数的优点是逻辑简单清晰，缺点是过深的调用会导致栈溢出。
2.针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的，没有循环语句的编程语言只能通过尾递归实现循环。
3.Python标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题。
取一个list或tuple的部分元素是非常常见的操作。比如，一个list如下
>>> L = [‘Michael‘, ‘Sarah‘, ‘Tracy‘, ‘Bob‘, ‘Jack‘]
L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素
>>> L[0:3] [‘Michael‘, ‘Sarah‘, ‘Tracy‘]
如果第一个索引是0，还可以省略
>>> L[:3] [‘Michael‘, ‘Sarah‘, ‘Tracy‘]
按每两个取一个
>>> L[::2] [‘Michael‘, ‘Tracy‘, ‘Jack‘]
Python支持L[-1]取倒数第一个元素
>>> L[-2:] [‘Bob‘, ‘Jack‘] >>> L[-2:-1] [‘Bob‘]
tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)
字符串‘xxx‘也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串
>>> ‘ABCDEFG‘[:3] ‘ABC‘ >>> ‘ABCDEFG‘[::2] ‘ACEG‘
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代
在Python中，迭代是通过for ... in来完成的
dict迭代
>>> d = {‘a‘: 1, ‘b‘: 2, ‘c‘: 3}
>>> for key in d:
... print(key)
迭代value
for value in d.values()
同时迭代key和value
for k, v in d.items()
由于字符串也是可迭代对象，因此，也可以作用于for循环
>>> for ch in ‘ABC‘: ... print(ch) ... A B C
判断一个对象是可迭代对象，通过collections模块的Iterable类型判断
>>> from collections import Iterable >>> isinstance(‘abc‘, Iterable) # str是否可迭代 True >>> isinstance([1,2,3], Iterable) # list是否可迭代 True >>> isinstance(123, Iterable) # 整数是否可迭代 False
Python内置的enumerate函数可以把一个list变成索引-元素对
>>> for i, value in enumerate([‘A‘, ‘B‘, ‘C‘]): ... print(i, value) ... 0 A 1 B 2 C
列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式
生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成[1x1, 2x2, 3x3, ..., 10x10]
>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方
>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]
还可以使用两层循环，可以生成全排列
>>> [m + n for m in ‘ABC‘ for n in ‘XYZ‘] [‘AX‘, ‘AY‘, ‘AZ‘, ‘BX‘, ‘BY‘, ‘BZ‘, ‘CX‘, ‘CY‘, ‘CZ‘]
列表生成式也可以使用两个变量来生成list
>>> d = {‘x‘: ‘A‘, ‘y‘: ‘B‘, ‘z‘: ‘C‘ }
>>> [k + ‘=‘ + v for k, v in d.items()]
[‘y=B‘, ‘x=A‘, ‘z=C‘]
把一个list中所有的字符串变成小写
>>> L = [‘Hello‘, ‘World‘, ‘IBM‘, ‘Apple‘] >>> [s.lower() for s in L] [‘hello‘, ‘world‘, ‘ibm‘, ‘apple‘]
如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator
要创建一个generator，第一种方法只要把一个列表生成式的[]改成()，就创建了一个generator：
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4
定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return ‘done‘
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable
可以使用isinstance()判断一个对象是否是Iterable对象
>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance(‘abc‘, Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator
可以使用isinstance()判断一个对象是否是Iterator对象
>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance(‘abc‘, Iterator) False
标签：error 位移 等价 常见 针对 cti 用两个 job michael
原文地址：https://www.cnblogs.com/kkkhycz/p/11623499.html
