今天我们要一起探索的是Python世界中的一块基石——函数！想象一下，像魔术师一样，轻轻一挥手，复杂的任务就被封装成简洁的命令，这就是函数的魅力。下面，让我们用最接地气的方式，揭开它的神秘面纱，掌握那些让代码飞起来的20个小技巧。
def say_hello(name="World"): print(f"Hello, {name}!")say_hello("Pythonista") # 输出: Hello, Pythonista!解密：def是定义函数的关键词，say_hello是函数名，括号内是参数，如果没有提供参数，就用默认值。
def greet(firstName, lastName): print(f"Hi, I'm {firstName} {lastName}")greet(lastName="Smith", firstName="John") # 明确指定参数名小贴士：通过名字指定参数，让代码更易读，特别是参数多时。
def super_greet(*names): # *args 收集位置参数 for name in names: print(f"Hello, {name}!") super_greet("Alice", "Bob", "Charlie") # 多个名字一次性处理def versatile_greet(**details): # **kwargs 收集关键字参数 for key, value in details.items(): print(f"{key.title()}: {value}")versatile_greet(age=25, city="New York") # 关键信息一网打尽神奇之处：*args和**kwargs让你的函数可以接受任意数量的参数，超级灵活！
def multiple_returns(): return "Success", 200result, status = multiple_returns()print(result, status) # 输出: Success 200多才多艺：函数可以返回多个值，其实是以元组的形式返回的。
def calculate_area(radius): """ 计算圆的面积。 参数: radius (float): 圆的半径 返回: float: 圆的面积 """ import math return math.pi * radius**2print(calculate_area.__doc__) # 查看文档字符串文明交流：良好的文档字符串是团队合作的润滑剂，也是自我复习的好帮手。
def append_to_list(item, my_list=[]): my_list.append(item) return my_listprint(append_to_list(1)) # [1]print(append_to_list(2)) # 注意！这里会是 [1, 2]，不是预期的 [2]警告：默认参数在函数定义时就初始化了，多次调用时会保留之前的值，小心这个陷阱。
x = "global"def scope_test(): x = "local" print(x) # localscope_test()print(x) # global名字游戏：在函数内部定义的变量默认是局部的，不会影响到外部的同名变量。
y = 10def modify_outer(): global y # 告诉Python你想修改外部的y y = 20modify_outer()print(y) # 输出: 20特权操作：使用global关键字可以让函数内部修改全局变量，但要谨慎使用。
def counter(): count = 0 def increment(): nonlocal count count += 1 return count return incrementmy_counter = counter()print(my_counter()) # 1print(my_counter()) # 2内外有别：闭包允许内部函数访问并修改外部函数的变量，而外部函数返回的是内部函数的引用。
def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper@my_decoratordef say_hello(): print("Hello!")say_hello()装饰生活，装饰函数：装饰器是Python的一大特色，它可以在不修改原函数代码的情况下增加新功能。
def factorial(n): if n == 1: return 1 else: return n * factorial(n-1)print(factorial(5)) # 输出: 120无限循环的智慧：递归是解决某些问题的强大工具，但要注意避免无限循环，确保有一个清晰的终止条件。
double = lambda x: x * 2print(double(5)) # 输出: 10squared = lambda x: x**2numbers = [1, 2, 3]print(list(map(squared, numbers))) # 输出: [1, 4, 9]一闪即逝的美：lambda函数适合简单的操作，它们无需定义即可使用，非常适合用在高阶函数中。
def square(n): return n*nnumbers = [1, 2, 3, 4]squared_numbers = list(map(square, numbers))print(squared_numbers) # 输出: [1, 4, 9, 16]# 或者用lambda简化simplified = list(map(lambda x: x*x, numbers))print(simplified) # 同上批量处理好帮手：map函数对序列的每个元素应用指定函数，返回一个迭代器对象，通常转换为列表使用。
def is_even(n): return n % 2 == 0numbers = [1, 2, 3, 4, 5, 6]even_numbers = list(filter(is_even, numbers))print(even_numbers) # 输出: [2, 4, 6]# 简化版even_with_lambda = list(filter(lambda x: x % 2 == 0, numbers))print(even_with_lambda) # 同上只选对的：filter函数根据提供的函数来筛选序列中的元素，返回一个迭代器，同样常用list转换。
from functools import reducedef accumulator(acc, item): return acc + itemnumbers = [1, 2, 3, 4]sum_of_numbers = reduce(accumulator, numbers, 0)print(sum_of_numbers) # 输出: 10# 或用lambda简化sum_with_lambda = reduce(lambda acc, item: acc + item, numbers, 0)print(sum_with_lambda) # 同上累积力量：reduce将一个函数应用于序列的所有元素，累积结果，非常适合求和、乘积等操作。
from functools import partialdef power(base, exponent): return base ** exponentsquare = partial(power, exponent=2)print(square(5)) # 输出: 25cube = partial(power, exponent=3)print(cube(3)) # 输出: 27定制你的函数：偏函数可以固定原函数的部分参数，生成新的函数，非常适用于需要多次调用且参数变化不大的场景。
# 注意：Python标准解释器不直接支持尾递归优化def factorial_tail(n, accumulator=1): if n == 1: return accumulator else: return factorial_tail(n-1, n*accumulator)print(factorial_tail(5)) # 输出: 120尾声：虽然Python没有内置的尾递归优化，理解尾递归的概念对理解函数调用栈很有帮助。
def counter_maker(): count = 0 def increment(): nonlocal count count += 1 return count return incrementcounter1 = counter_maker()counter2 = counter_maker()print(counter1(), counter1()) # 输出: 1 2print(counter2(), counter2()) # 输出: 1 2工厂模式：闭包可以用来创建具有独立状态的函数，类似于面向对象中的实例。
def apply_operation(func, a, b): return func(a, b)add = lambda x, y: x + ysubtract = lambda x, y: x - yprint(apply_operation(add, 5, 3)) # 输出: 8print(apply_operation(subtract, 5, 3)) # 输出: 2函数的魔力：高阶函数可以接受函数作为参数或返回函数，这是函数式编程的核心概念。
def repeat(n): def decorator(func): def wrapper(*args, **kwargs): for _ in range(n): func(*args, **kwargs) return wrapper return decorator@repeat(3)def say_hello(): print("Hello!")say_hello() # 输出: Hello! Hello! Hello!装饰器的新维度：带参数的装饰器让装饰器本身也变得灵活，可以根据需要调整行为。
至此，我们探索了Python函数从基础到进阶的20个最佳实践，每一个点都是打开新视野的钥匙。
本文链接：//www.dmpip.com//www.dmpip.com/showinfo-26-96421-0.html一键掌握：Python 函数声明与调用的 20 个优秀实践
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
