标签：错误 返回值 span 原来 数据流 重要 rom 小结 混淆
函数是组织好的、可重复使用的、用户实现单一或者关联功能的代码段，能够提高应用模块性和代码的重复利用率。
（1）代码块以def关键字开头，后接函数标识符名称和圆括号（）
（2）任何传入参数和自变量必须放在圆括号中间
（3）函数的第一行语句可以选择性的使用文档字符串（用于函数说明）
（4）函数内容以冒号起始，并且缩进
Def 函数名（[参数]）: # 函数说明 要封装的代码块
函数名([参数列表])
函数名其实是指向一个函数对象的引用，完全可以把函数名赋值给一个变量，相当于给这个函数起了一个别名。
def SayHi(): # 不带参 print(‘大家好！‘) SayHi() # 大家好！ def AddNum(a, b): # 带参 return a+b print(AddNum(4, 2)) # 6
文档字符串：在函数体的第一个逻辑行的字符串，主要用于给函数示意，只能通过三个引号备注
def SayHi(): # 不带参 """这是不带参数的函数示例""" print(‘大家好！‘) print(SayHi.__doc__) # 这是不带参数的函数示例 SayHi() # 大家好！
形参：定义函数时的参数；
实参：调用函数时的参数，形参和实参的位置必须一致，只有这样才能被正确匹配
传递给函数的名称-值对。直接在实参中将名称和值关联起来，因此向函数传递实参时不会混淆。
函数调用使用关键字参数来确定传入的值，并且允许参数顺序与声明时不一致，Python解释器能够用参数名匹配参数值。
def InFo(name, address): print(‘大家好，我叫%s来自%s!‘ % (name, address)) InFo(address=‘Hangzhou‘, name=‘Faith‘)
也可以在定义形参的时候直接给参数添加默认值。带有默认值的形参必须放在右边，对应的实参可省略，以默认值代替，否则为实参值。
def SayHi(hi, times=2): print(hi * times) SayHi(‘Goodmorning! ‘, 1) # 实参值1 Goodmorning! SayHi(‘Goodmorning! ‘) # 默认值2 Goodmorning! Goodmorning! SayHi(‘Goodmorning! ‘, 3) # 实参值3 Goodmorning! Goodmorning! Goodmorning!
（1）*name：加星号 * 的参数会以元组（tuple）形式导入，存放所有未命名的变量参数，在传入额外的参数时可以不用指明参数名，直接传入参数值即可
def func(a, b, *args): print(a) print(b) print(args) func(1, 2, 3, 4, 5)
# 1 # 2 # (3, 4, 5)
（2）**name：加两个星号 ** 的参数会以字典的形式导入，该方式返回的是字典，所以传入时需要指定参数名，否则会报错
def func(a, b, **args): print(a) print(b) print(args) func(1, 2, x=3, y=4, z=5)
# 1 # 2 # {‘x‘: 3, ‘y‘: 4, ‘z‘: 5}
不可变对象：字符串（strings）、元组（tuples）、标量（numbers），传递的是对象的值，不是对象本身，如果修改值，修改的是另一个复制的对象，不会影响原来对象
def fun(arg): args = ‘hello‘ print(args) str1 = ‘baby‘ fun(str1) # hello print(str1) # baby
可变对象：列表（list）、字典（dict）、集合（set）， 传递对象自己，函数内部如果修改值会影响对象本身。
def fun(args): args[0] = ‘hello‘ print(args) list1 = [‘baby‘, ‘money‘] fun(list1) # [‘hello‘, ‘money‘] print(list1) # [‘hello‘, ‘money‘]
局部变量：只在函数体内有效
a = 1 def ChangeNum(a): # a为局部变量，不影响函数体外的值 a += 1 return a print(‘调用函数前，a的值为：‘, a) # 调用函数前，a的值为： 1 print(‘函数的返回值为：‘, ChangeNum(a)) # 函数的返回值为： 2 print(‘调用函数后，a的值为：‘, a) # 调用函数后，a的值为： 1
在函数内的变量前加“global”修饰，即可将变量更改为全局变量，对整个代码有效
def func(): global x print(‘函数体中x的值为：‘, x) # 函数体中x的值为： 50 x = 2 return x x = 50 print(‘调用函数前，x的值为：‘, x) # 调用函数前，x的值为： 50 print(‘函数返回的值为：‘, func()) # 函数返回的值为： 2 print(‘调用函数后，x的值为：‘, x) # 调用函数后，x的值为： 2
用于退出函数，选择性的向调用者返回一个表达式，直接return的语句返回None。注意：return后语句不再执行
def max(x, y): if x > y: return x else: return y num = max(1, 2) print(num)
return和print的区别：print是将结果输出到控制台，return是结束函数调用，并将结果返回给调用者，且返回的结果不能输出到控制台（不能直接打印），需要通过print才能显示出来
匿名函数：没有具体名字
a = lambda x: x**2 print(a(4)) # 16
递归就是子程序/函数直接调用自己或通过一系列调用语句间接调用自己，是一种描述问题和解决问题的基本方法。
def func(n): if n == 1: return 1 else: return n*func(n-1) print(func(5)) # 120
Python内置函数很多，可搜索资料练习。
一个函数可以作为参数传给另外一个函数，或者一个函数的返回值为另外一个函数（若返回值为该函数本身，则为递归），满足其一则为高阶函数。
函数式编程：
（1）函数本身可以赋值给变量，赋值后变量为函数；
（2）允许将函数本身作为参数传入另一个函数；
（3）允许返回一个函数。
#参数为函数 def bar(): print("in the bar..") def foo(func): func() print("in the foo..") foo(bar) # in the bar.. # in the foo.. # 返回值为函数 def bar(): print("in the bar..") def foo(func): print("in the foo..") return bar res=foo(bar) res() # in the foo.. # in the bar..
注：函数名（例如bar 、foo）为该函数的内存地址；函数名+括号（例如 bar()、foo() )-->调用该函数。
3.4.1 map( )
第一个参数是函数，剩下的参数是一个或多个序列，返回值是一个集合。
接收的是两个参数，一个函数，一个/多个序列，其功能是每次从序列中分别取出一个元素，带入函数处理，其返回值为一个迭代器对象。
print(list(map(lambda x: x**2, (1, 2, 3, 4, 5)))) # [1, 4, 9, 16, 25]
3.4.2 filter( )
第一个参数是函数，作用于多个元素。如果函数对象返回True，则该次的元素储存于返回的列表中。
filter( )通过读入的函数来筛选数据，其返回值也是一个迭代对象。
def func(a): if a > 100: return True else: return False print(list(filter(func, [10, 56, 101, 500]))) # [101, 500]
3.4.3 reduce( )
对于序列中的所有元素调用func( )进行数据合并操作，可以给定一个初始值。其返回值为一个值而不是迭代器对象，故其常用与叠加、叠乘等
from functools import reduce list1 = [2, 4, 6, 8, 10] nlist = reduce(lambda x, y: x+y, list1) print(nlist) # 30
一边循环一边计算的机制，称为生成器：generator。生成器是一个特殊的程序，可以被用作控制循环的迭代行为，Python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
创建生成器：
方法1：把一个列表生成式的[]中括号改为（）小括号，就创建一个generator
list = [x*x for x in range(10)] print(list) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] generatro_ex = (x*x for x in range(10)) print(generatro_ex) # <generator object <genexpr> at 0x000002025CB27B88> for i in generatro_ex: # 生成器输出，使用next(generatro_ex)仅单次输出 print(i)
生成器打印：可以通过next（）函数获得generator的下一个返回值；常规方法是使用for循环，因为generator也是可迭代对象。
方法二：将函数中的return替换为yield
yield把一个函数变成一个generator，带有yield的函数不再是普通函数，python解释器会将其视为一个生成器。在每次调用next()的时候执行，遇到yield语句返回，再次被next（）调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。
函数是顺序执行的，遇到return语句或者最后一行函数语句就返回。
def fib(max): n,a,b =0,0,1 while n < max: yield b a,b =b,a+b n = n+1 return ‘done‘ for i in fib(6): print(i)
迭代器包含有next()方法的实现，在正确的范围内返回期待的数据以及超出范围后能够抛出StopIteration的错误停止迭代。可以使用isinstance()判断一个对象是否是Iterator对象：
from collections import Iterator print(isinstance(‘abc‘, Iterator)) # False print(isinstance([], Iterator)) # False print(isinstance({}, Iterator)) # False print(isinstance((x for x in range(10)), Iterator)) # True
可以直接作用于for循环的数据类型有以下几种：
（1）集合数据类型，如list，tuple，dict，set，str等
（2）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()判断一个对象是否为可Iterable对象
from collections import Iterable print(isinstance(‘abc‘, Iterable)) # True print(isinstance([], Iterable)) # True print(isinstance({}, Iterable)) # True print(isinstance((x for x in range(10)), Iterable)) # True
由此可见list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
（1）凡是可作用于for循环的对象都是Iterable类型；
（2）凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
（3）集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
标签：错误 返回值 span 原来 数据流 重要 rom 小结 混淆
原文地址：https://www.cnblogs.com/wisefaith/p/12287699.html
