python函数的用法及底层分析
函数
- 函数用法和底层分析
- 函数的基本概念
- Python 函数的分类
- 函数的定义和调用
- 核心要点
- 形参和实参
- 文档字符串(函数的注释)
- 返回值
- 函数也是对象，内存底层分析
- 变量的作用域( 全局变量和局部变量)
- 全局变量：
- 局部变量：
- 局部变量和全局变量效率测试
- 参数的传递
- 传递可变对象的引用
- 传递不可变对象的引用
- 浅拷贝和深拷贝
- 传递不可变对象包含的子对象是可变的情况
- 参数的几种类型
- 位置参数
- 默认值参数
- 命名参数
- 可变参数
- 强制命名参数
- lambda 表达式和匿名函数
- eval()函数
- 递归函数
- 嵌套函数(内部函数)
- nonlocal 关键字
- LEGB 规则
函数用法和底层分析
函数是可重用的程序代码块。函数的作用，不仅可以实现代码的复用，更能实现代码的一致性。一致性指的是，只要修改函数的代码，则所有调用该函数的地方都能得到体现。在编写函数时，函数体中的代码写法和我们前面讲述的基本一致，只是对代码实现了封装，并增加了函数调用、传递参数、返回计算结果等内容。为了让大家更容易理解，掌握的更深刻。我们也要深入内存底层进行分析。绝大多数语言内存底层都是高度相似的，这样大家掌握了这些内容也便于以后学习其他语言。
函数的基本概念
- 一个程序由一个个任务组成；函数就是代表一个任务或者一个功能。
- 函数是代码复用的通用机制。
Python 函数的分类
Python 中函数分为如下几类：
- 内置函数
我们前面使用的 str()、list()、len()等这些都是内置函数，我们可以拿来直接使用。 - 标准库函数
我们可以通过 import 语句导入库，然后使用其中定义的函数 - 第三方库函数
Python 社区也提供了很多高质量的库。下载安装这些库后，也是通过 import 语句导
入，然后可以使用这些第三方库的函数 - 用户自定义函数
用户自己定义的函数，显然也是开发中适应用户自身需求定义的函数。今天我们学习的就是如何自定义函数。
函数的定义和调用
核心要点
Python 中，定义函数的语法如下：
def 函数名 ([参数列表]) :
'''文档字符串'''
函数体/若干语句
要点：
- 我们使用 def 来定义函数，然后就是一个空格和函数名称；
(1) Python 执行 def 时，会创建一个函数对象，并绑定到函数名变量上。 - 参数列表
(1) 圆括号内是形式参数列表，有多个参数则使用逗号隔开
(2) 形式参数不需要声明类型，也不需要指定函数返回值类型
(3) 无参数，也必须保留空的圆括号
(4) 实参列表必须与形参列表一一对应 - return 返回值
(1) 如果函数体中包含 return 语句，则结束函数执行并返回值；
(2) 如果函数体中不包含 return 语句，则返回 None 值。 - 调用函数之前，必须要先定义函数，即先调用 def 创建函数对象
(1) 内置函数对象会自动创建
(2) 标准库和第三方库函数，通过 import 导入模块时，会执行模块中的 def 语句
我们通过实际定义函数来学习函数的定义方式。
形参和实参
形参和实参的要点，请参考上一节中的总结。在此不再赘述。
【操作】定义一个函数，实现两个数的比较，并返回较大的值。
def printMax(a,b):
'''实现两个数的比较，并返回较大的值'''
if a>b:
print(a,'较大值')
else:
print(b,'较大值')
printMax(10,20)
printMax(30,5)
-------------------------------------------------------------
执行结果：
20 较大值
30 较大值
上面的 printMax 函数中，在定义时写的 printMax(a,b)。a 和 b 称为“形式参数”，
简称“形参”。也就是说，形式参数是在定义函数时使用的。 形式参数的命名只要符合“标识符”命名规则即可。
在调用函数时，传递的参数称为“实际参数”，简称“实参”。上面代码printMax(10,20)，10 和 20 就是实际参数。
文档字符串(函数的注释)
程序的可读性最重要，一般建议在函数体开始的部分附上函数定义说明，这就是“文档字符串”，也有人成为“函数的注释”。我们通过三个单引号或者三个双引号来实现，中间可以加入多行文字进行说明。
【操作】测试文档字符串的使用
def print_star(n):
'''根据传入的 n，打印多个星号'''
print("*"*n)
help(print_star)
我们调用 help(函数名.doc)可以打印输出函数的文档字符串。执行结果如下：
Help on function print_star in module __main__:
print_star(n)
根据传入的 n，打印多个星号
返回值
return 返回值要点：
- 如果函数体中包含 return 语句，则结束函数执行并返回值；
- 如果函数体中不包含 return 语句，则返回 None 值。
- 要返回多个返回值，使用列表、元组、字典、集合将多个值“存起来”即可。
【操作】定义一个打印 n 个星号的无返回值的函数
def print_star(n):
print("*"*n)
print_star(5)
【操作】定义一个返回两个数平均值的函数
def my_avg(a,b):
return (a+b)/2
#如下是函数的调用
c = my_avg(20,30)
print(c)
函数也是对象，内存底层分析
Python 中，“一切都是对象”。实际上，执行 def 定义函数后，系统就创建了相应的函数对象。我们执行如下程序，然后进行解释：
def print_star(n):
print("*"*n)
print(print_star)
print(id(print_star))
c = print_star
c(3)
---------------------------
执行结果：
<function print_star at 0x0000000002BB8620>
45844000
***
上面代码执行 def 时，系统中会创建函数对象，并通过 print_star 这个变量进行引用：
我们执行“c=print_star”后，显然将 print_star 变量的值赋给了变量 c，内存图变成了：
显然，我们可以看出变量 c 和 print_star 都是指向了同一个函数对象。因此，执行 c(3)和执行 print_star(3)的效果是完全一致的。 Python 中，圆括号意味着调用函数。在没有圆括号的情况下，Python 会把函数当做普通对象。
与此核心原理类似，我们也可以做如下操作：
zhengshu = int
zhengshu("234")
显然，我们将内置函数对象 int()赋值给了变量 zhengshu，这样 zhengshu 和 int 都是指向了同一个内置函数对象。当然，此处仅限于原理性讲解，实际开发中没必要这么做。
变量的作用域( 全局变量和局部变量)
变量起作用的范围称为变量的作用域，不同作用域内同名变量之间互不影响。变量分为：全局变量、局部变量。
全局变量：
- 在函数和类定义之外声明的变量。作用域为定义的模块，从定义位置开始直到模块结束。
- 全局变量降低了函数的通用性和可读性。应尽量避免全局变量的使用。
- 全局变量一般做常量使用。
- 函数内要改变全局变量的值，使用 global 声明一下
局部变量：
- 在函数体中（包含形式参数）声明的变量。
- 局部变量的引用比全局变量快，优先考虑使用。
- 如果局部变量和全局变量同名，则在函数内隐藏全局变量，只使用同名的局部变量
【操作】全局变量的作用域测试
a = 100 #全局变量
def f1():
global a #如果要在函数内改变全局变量的值，增加 global 关键字声明
print(a) #打印全局变量 a 的值
a = 300
f1()
print(a)
--------------------------------
执行结果：
100
300
【操作】全局变量和局部变量同名测试
a=100
def f1():
a = 3 #同名的局部变量
print(a)
f1()
print(a) #a 仍然是 100，没有变化
--------------------------------------
执行结果：
3
100
【操作】 输出局部变量和全局变量
a = 100
def f1(a,b,c):
print(a,b,c)
print(locals()) #打印输出的局部变量
print("#"*20)
print(globals()) #打印输出的全局变量
f1(2,3,4)
--------------------------------------------
执行结果：
2 3 4
{'c': 4, 'b': 3, 'a': 2}
####################
{'__name__': '__main__', '__doc__': None, '__package__': None, '__loader__': <class
'_frozen_importlib.BuiltinImporter'>, '__spec__': None, '__annotations__': {},
'__builtins__': <module 'builtins' (built-in)>, '__file__': 'E:\\PythonExec\\if_test01.py',
'a': 100, 'f1': <function f1 at 0x0000000002BB8620>}
局部变量和全局变量效率测试
局部变量的查询和访问速度比全局变量快，优先考虑使用，尤其是在循环的时候。在特别强调效率的地方或者循环次数较多的地方，可以通过将全局变量转为局部变量提高运行速度。
【操作】测试局部变量和全局变量效率
#测试局部变量、全局变量的效率
t import math
t import time
def test01():
start = time.time()
for i n in range(10000000):
math.sqrt(30)
end = time.time()
print(" " 耗时 {0}".format((end-start)))
def test02():
b = math.sqrt
start = time.time()
for i n in range(10000000):
b(30)
end = time.time()
print(" " 耗时 {0}".format((end-start)))
test01()
test02()
-------------------------------------------------------
运行结果：
耗时 2.3589999675750732
耗时 1.6410000324249268
参数的传递
函数的参数传递本质上就是：从实参到形参的赋值操作。 Python 中“一切皆对象”，所有的赋值操作都是“引用的赋值”。所以，Python 中参数的传递都是“引用传递”，不是“值传递”。具体操作时分为两类：
- 对“可变对象”进行“写操作”，直接作用于原对象本身。
- 对“不可变对象”进行“写操作”，会产生一个新的“对象空间”，并用新的值填
充这块空间。（起到其他语言的“值传递”效果，但不是“值传递”）
可变对象有：
- 字典、列表、集合、自定义的对象等
不可变对象有： - 数字、字符串、元组、function 等
传递可变对象的引用
传递参数是可变对象（例如：列表、字典、自定义的其他可变对象等），实际传递的还是对象的引用。在函数体中不创建新的对象拷贝，而是可以直接修改所传递的对象。
【操作】参数传递：传递可变对象的引用
b = [10,20]
def f2(m):
print("m:",id(m)) #b 和 m 是同一个对象
m.append(30) #由于 m 是可变对象，不创建对象拷贝，直接修改这个对象
f2(b)
print("b:",id(b))
print(b)
-------------------------------------------
执行结果：
m: 45765960
b: 45765960
[10, 20, 30]
传递不可变对象的引用
传递参数是不可变对象（例如：int、float、字符串、元组、布尔值），实际传递的还是对象的引用。在”赋值操作”时，由于不可变对象无法修改，系统会新创建一个对象。
【操作】参数传递：传递不可变对象的引用
a = 100
def f1(n):
print("n:",id(n)) #传递进来的是 a 对象的地址
n = n+200 #由于 a 是不可变对象，因此创建新的对象 n
print("n:",id(n)) #n 已经变成了新的对象
print(n)
f1(a)
print("a:",id(a))
---------------------------------------------
执行结果：
n: 1663816464
n: 46608592
300
a: 1663816464
显然，通过 id 值我们可以看到 n 和 a 一开始是同一个对象。给 n 赋值后，n 是新的对象。
浅拷贝和深拷贝
为了更深入的了解参数传递的底层原理，我们需要讲解一下“浅拷贝和深拷贝”。我们可以使用内置函数：copy(浅拷贝)、deepcopy(深拷贝)。
浅拷贝：不拷贝子对象的内容，只是拷贝子对象的引用。
深拷贝：会连子对象的内存也全部拷贝一份，对子对象的修改不会影响源对象
源码：
#测试浅拷贝和深拷贝
import copy
def testCopy():
'''测试浅拷贝'''
a = [10, 20, [5, 6]]
b = copy.copy(a)
print( "a", a)
print( "b", b)
b.append(30)
b[2].append(7)
print(" " 浅拷贝 ......")
print( "a", a)
print( "b", b)
def testDeepCopy():
'''测试深拷贝'''
a = [10, 20, [5, 6]]
b = copy.deepcopy(a)
print( "a", a)
print( "b", b)
b.append(30)
b[2].append(7)
print(" " 深拷贝 ......")
print( "a", a)
print( "b", b)
testCopy()
print( "*************")
testDeepCopy()
运行结果：
a [10, 20, [5, 6]]
b [10, 20, [5, 6]]
浅拷贝......
a [10, 20, [5, 6, 7]]
b [10, 20, [5, 6, 7], 30]
*************
a [10, 20, [5, 6]]
b [10, 20, [5, 6]]
深拷贝......
a [10, 20, [5, 6]]
b [10, 20, [5, 6, 7], 30]
传递不可变对象包含的子对象是可变的情况
#传递不可变对象时。不可变对象里面包含的子对象是可变的。则方法内修改了这个可变对象，源对象也发生了变化。
a = (10,20,[5,6])
print( "a:",id(a))
def test01(m):
print( "m:",id(m))
m[2][0] = 888
print(m)
print( "m:",id(m))
test01(a)
print(a)
-------------------------------------------
运行结果：
a: 41611632
m: 41611632
(10, 20, [888, 6])
m: 41611632
(10, 20, [888, 6])
参数的几种类型
位置参数
函数调用时，实参默认按位置顺序传递，需要个数和形参匹配。按位置传递的参数，称为：“位置参数”。
【操作】测试位置参数
def f1(a,b,c):
print(a,b,c)
f1(2,3,4)
f1(2,3) #报错，位置参数不匹配
-------------------------------------
执行结果：
2 3 4
Traceback (most recent call last):
File "E:\PythonExec\if_test01.py", line 5, in <module>
f1(2,3)
TypeError: f1() missing 1 required positional argument: 'c'
默认值参数
我们可以为某些参数设置默认值，这样这些参数在传递时就是可选的。称为“默认值参数”。默认值参数放到位置参数后面。
【操作】测试默认值参数
def f1(a,b,c=10,d=20): #默认值参数必须位于普通位置参数后面
print(a,b,c,d)
f1(8,9)
f1(8,9,19)
f1(8,9,19,29)
---------------------------------------
执行结果：
8 9 10 20
8 9 19 20
8 9 19 29
命名参数
我们也可以按照形参的名称传递参数，称为“命名参数”，也称“关键字参数”。
【操作】测试命名参数
def f1(a,b,c):
print(a,b,c)
f1(8,9,19) #位置参数
f1(c=10,a=20,b=30) #命名参数
---------------------------------------
执行结果：
8 9 19
20 30 10
可变参数
可变参数指的是“可变数量的参数”。分两种情况：
- *param（一个星号），将多个参数收集到一个“元组”对象中。
- **param（两个星号），将多个参数收集到一个“字典”对象中。
【操作】测试可变参数处理（元组、字典两种方式）
def f1(a,b,*c):
print(a,b,c)
f1(8,9,19,20)
def f2(a,b,**c):
print(a,b,c)
f2(8,9,name='gaoqi',age=18)
def f3(a,b,*c,**d):
print(a,b,c,d)
f3(8,9,20,30,name='gaoqi',age=18)
-------------------------------
执行结果：
8 9 (19, 20)
8 9 {'name': 'gaoqi', 'age': 18}
8 9 (20, 30) {'name': 'gaoqi', 'age': 18}
强制命名参数
在带星号的“可变参数”后面增加新的参数，必须在调用的时候“强制命名参数”。
【操作】强制命名参数的使用
def f1(*a,b,c):
print(a,b,c)
#f1(2,3,4) #会报错。由于 a 是可变参数，将 2,3,4 全部收集。造成 b 和 c 没有赋值。
f1(2,b=3,c=4)
-------------------
执行结果：
(2,) 3 4
lambda 表达式和匿名函数
lambda 表达式可以用来声明匿名函数。lambda 函数是一种简单的、在同一行中定义函数的方法。lambda 函数实际生成了一个函数对象。
lambda 表达式只允许包含一个表达式，不能包含复杂语句，该表达式的计算结果就是函数的返回值。
lambda 表达式的基本语法如下：
lambda arg1,arg2,arg3... : <表达式>
arg1/arg2/arg3 为函数的参数。<表达式>相当于函数体。运算结果是：表达式的运算结果。
【操作】lambda 表达式使用
f = lambda a,b,c:a+b+c
print(f)
print(f(2,3,4))
g = [lambda a:a*2,lambda b:b*3,lambda c:c*4]
print(g[0](6),g[1](7),g[2](8))
----------------------------------------------------
执行结果：
<function <lambda> at 0x0000000002BB8620>
9
12 21 32
eval()函数
功能：将字符串 str 当成有效的表达式来求值并返回计算结果。
语法：
eval(source[, globals[, locals]]) -> value
参数：
source：一个 Python 表达式或函数 compile()返回的代码对象
globals：可选。必须是 dictionary
locals：可选。任意映射对象
#测试 eval()函数
s = "print('abcde')"
eval(s)
a = 10
b = 20
c = eval( "a+b")
print(c)
dict1 = dict(a=100,b=200)
d = eval( "a+b",dict1)
print(d)
eval 函数会将字符串当做语句来执行，因此会被注入安全隐患。比如：字符串中含有删除文件的语句。那就麻烦大了。因此，使用时候，要慎重！！！
递归函数
递归函数指的是：自己调用自己的函数，在函数体内部直接或间接的自己调用自己。递归类似于大家中学数学学习过的“数学归纳法”。 每个递归函数必须包含两个部分：
- 终止条件
表示递归什么时候结束。一般用于返回值，不再调用自己。 - 递归步骤
把第 n 步的值和第 n-1 步相关联。
递归函数由于会创建大量的函数对象、过量的消耗内存和运算能力。在处理大量数据时，谨慎使用。
【操作】 使用递归函数计算阶乘(factorial)
def factorial(n):
if n==1:return 1
return n*factorial(n-1)
for i in range(1,6):
print(i,'!=',factorial(i))
-----------------------------------
执行结果：
1 != 1
2 != 2
3 != 6
4 != 24
5 !=120
嵌套函数(内部函数)
嵌套函数：
在函数内部定义的函数！
【操作】嵌套函数定义
def f1():
print('f1 running...')
def f2():
print('f2 running...')
f2()
f1()
-------------------------------------------
执行结果：
f1 running...
f2 running...
上面程序中，f2()就是定义在 f1 函数内部的函数。f2()的定义和调用都在 f1()函数内部。
一般在什么情况下使用嵌套函数？
- 封装 - 数据隐藏
外部无法访问“嵌套函数”。 - 贯彻 DRY(Don’t Repeat Yourself) 原则
嵌套函数，可以让我们在函数内部避免重复代码。 - 闭包
后面会详细讲解。
【操作】使用嵌套函数避免重复代码
def printChineseName(name,familyName):
print(} "{0} {1}".format(familyName,name))
def printEnglishName(name,familyName):
print(} "{0} {1}".format(name, familyName))
-------------------------------------------------------
# 使用 1 1 个函数代替上面的两个函数
def printName(isChinese,name,familyName):
def inner_print(a,b):
print(} "{0} {1}".format(a,b))
if isChinese:
inner_print(familyName,name)
else:
inner_print(name,familyName)
printName( True," " 小七" "," " 高" ")
printName( False, "George", "Bush")
nonlocal 关键字
nonlocal 用来声明外层的局部变量。
global 用来声明全局变量。
【操作】使用 nonlocal 声明外层局部变量
#测试 nonlocal、global 关键字的用法
a = 100
def outer():
b = 10
def inner():
nonlocal b #声明外部函数的局部变量
print(r "inner b:",b)
b = 20
l global a #声明全局变量
a = 1000
inner()
print(r "outer b:",b)
outer()
print( "a ：" ",a)
LEGB 规则
Python 在查找“名称”时，是按照 LEGB 规则查找的：Local–>Enclosed–>Global–>Built in
- Local 指的就是函数或者类的方法内部
- Enclosed 指的是嵌套函数（一个函数包裹另一个函数，闭包）
- Global 指的是模块中的全局变量
- Built in 指的是 Python 为自己保留的特殊名称。
如果某个 name 映射在局部(local)命名空间中没有找到，接下来就会在闭包作用域(enclosed)进行搜索，如果闭包作用域也没有找到，Python 就会到全局(global)命名空间中进行查找，最后会在内建(built-in)命名空间搜索 （如果一个名称在所有命名空间中都没有找到，就会产生一个 NameError）。
#测试 LEGB
str = "global"
def outer():
str = "outer"
def inner():
str = "inner"
print(str)
inner()
outer()
我们依次将几个 str 注释掉，观察控制台打印的内容，体会 LEBG 的搜索顺序。