Python学习----函数
2015-08-31 16:08
459 查看
(逐渐更新......)
函数
如果想定义一个什么事也不做的空函数,可以用
缺少了
当你正常调用时,结果似乎不错:
当你使用默认参数调用时,一开始结果也是对的:
但是,再次调用
很多初学者很疑惑,默认参数是
原因解释如下:
Python函数在定义的时候,默认参数
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
现在,无论调用多少次,都不会有问题:
为什么要设计
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:
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
函数
也可以传入任意个数的关键字参数:
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。
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
和关键字参数
调用方式如下:
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。
所以,
于是,
上面就是一个递归函数。可以试试:
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
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。
可以看到,
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
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。
相关文章推荐
- 使用Python的requests库作接口测试——身份认证
- 使用Python的requests库作接口测试——响应头中的链接字段
- python学习-类理解
- Python装饰器
- 都是python写的渗透测试工具
- Python OS
- Python Time
- Python内置函数
- 使用Python的requests库作接口测试——对HPPT动词的支持
- Python中动态添加类的成员
- python用到CMD的几个文件夹操作命令
- Python之yield
- Eclipse和PyDev搭建python开发环境
- 在ArcGIS中创建Python工具(一)
- 【Python系列2】赋值、深度复制与传参
- 统计字符串中字母出现的次数,字典形式输出(python)
- Python 爬虫入门《中》
- 用Python的requests库作接口测试——对响应进行迭代
- python模拟登录新浪微博
- python 的对象内建方法:__XXX__(a1,a2)