Python学习----函数

（逐渐更新......）

函数

一、调用函数

内置函数：Built-in Function

二、定义函数

空函数

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

pass

语句什么都不做，那有什么用？实际上

pass

可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个

pass

，让代码能运行起来。

pass

还可以用在其他语句里，比如：

if age >= 18:
pass

缺少了

pass

，代码运行就会有语法错误。

三、函数的参数

1.默认参数的一个陷阱

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

当你正常调用时，结果似乎不错：

>>> add_end([1, 2, 3])
[1, 2, 3, 'END']
>>> add_end(['x', 'y', 'z'])
['x', 'y', 'z', 'END']

当你使用默认参数调用时，一开始结果也是对的：

>>> add_end()
['END']

但是，再次调用

add_end()

时，结果就不对了：

>>> add_end()
['END', 'END']
>>> add_end()
['END', 'END', 'END']

很多初学者很疑惑，默认参数是

[]

，但是函数似乎每次都“记住了”上次添加了

'END'

后的list。

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。

所以，定义默认参数要牢记一点：默认参数必须指向不变对象！

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']

为什么要设计

str

、

None

这样的不变对象呢？因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

2.可变参数

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：

def sum(*numbers):
s = 0
for n in numbers:
s = s + n * n
return s

>>> sum(1, 4)
17
>>> sum()
0

如果已经有一个list或者tuple，要调用一个可变参数可以这样做：

>>> numbers = [1, 4, 5]
>>> sum(numbers[0], numbers[1], numbers[2])
42

这种写法当然是可行的，问题是太繁琐，所以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：

>>> numbers = [1, 4, 5]
>>> sum(*numbers)
42

*numbers

表示把

numbers

这个list的所有元素作为可变参数传进去。这种写法相当有用，而且很常见。

3.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。

def student(name, age, **kw):
print('name:', name, 'age:', age, 'other:', kw)

函数

student

除了必选参数

name

和

age

外，还接受关键字参数

kw

。在调用该函数时，可以只传入必选参数：

>>> student('hadas', 24)
name: hadas age: 24 other: {}

也可以传入任意个数的关键字参数：

>>> student('Bob', 25, city='Chengdu')
name: Bob age: 35 other: {'city': 'Chengdu'}
>>> student('Adam', 23, gender='M', job='Engineer')
name: Adam age: 23 other: {'gender': 'M', 'job': 'Engineer'}

关键字参数可以扩展函数的功能。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。

4.命名关键字参数

对于关键字参数，函数的调用者可以传入任意不受限制的关键字参数。至于到底传入了哪些，就需要在函数内部通过

kw

检查。

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。这种方式定义的函数如下：

def student(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。

调用方式如下：

>>> person('James', 26, city='Shenzhen', job='Engineer')
James 26 Shenzhen Engineer

5.参数组合

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，除了可变参数无法和命名关键字参数混合。
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。

四、递归函数

fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n

所以，

fact(n)

可以表示为

n
x fact(n-1)

，只有n=1时需要特殊处理。

于是，

fact(n)

用递归的方式写出来就是：

def fact(n):
if n==1:
return 1
return n * fact(n - 1)

上面就是一个递归函数。可以试试：

>>> fact(1)
1
>>> fact(5)
120

递归函数的优点是定义简单，逻辑清晰。

理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。可以试试

fact(1000)

：

>>> fact(1000)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 4, in fact
...
File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depth exceeded in comparison

解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

def fact(n):
return fact_iter(n, 1)

def fact_iter(num, product):
if num == 1:
return product
return fact_iter(num - 1, num * product)

可以看到，

return fact_iter(num - 1, num * product)

仅返回递归函数本身，

num
- 1

和

num * product

在函数调用前就会被计算，不影响函数调用。

fact(5)

对应的

fact_iter(5,
1)

的调用如下：

===> fact_iter(5, 1)
===> fact_iter(4, 5)
===> fact_iter(3, 20)
===> fact_iter(2, 60)
===> fact_iter(1, 120)
===> 120

尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。

但大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的

fact(n)

函数改成尾递归方式，也会导致栈溢出。