当我们首次接触到编程时, 我们往往会听到 “函数” 这个概念. 那么问题来了, 函数到底是什么? 为什么函数在编程中如此重要? 简而言之, 函数是一个独立的代码块, 可以帮助我们执行某个特定的任务. 你可以将函数想象成一个机器人, 帮我我们来执行任务. 我们给它输入, 处理后, 返回给我们一个输出. 在代码中使用函数不仅能使得代码有更好的可读性, 而且能帮助我们避免重复 & 减少错误.
想象一下, 每天早晨你都会做同样的事情: 起床, 洗脸, 刷牙, 吃早餐. 现在, 如果每天你都要详细列出这些步骤, 那么一段时间后, 这会变得非常枯燥和重复. 相反, 你可能更倾向于简单地说: “我正在做我的早晨例行公事”. 这就是函数在编程中的作用. 它允许你将一个任务的所有步骤封装在一个定义良好的代码块中, 然后通过一个简单的函数调用来执行它.
函数 (Function) 是一段可以帮助我们实现我们想要功能的代码段. 函数可以重复使用, 我们也可以自定义函数. 在 Python 中, 函数可以帮助我们, 执行单一的, 相关的操作. 函数可以提高应用的模块性, 并提高代码的复用率. Python 为我们提供了许多内置函数, 如print()
, 但我们也可以自己创建函数, 这些被称为自定义函数.
函数 (Function) 提供了一种将复杂问题拆分的方法. 通过定义函数, 我们可以避免重复相同的代码, 提高程序可读性, 以便更好的维护.
在 Python 中, 我们可以使用 “def” 关键字来定义函数. 函数可以带参数也可以不带参数.
格式:
# 定义函数
def 函数名(参数1, 参数2, 参数3...):
函数主体
定义了函数之后, 我们可以通过函数名来调用函数, 并传递必要的参数:
# 调用函数
函数名(参数1, 参数2, 参数3...)
例子:
# 定义无参函数
def func():
print("祖国你好")
# 调用函数
func()
输出结果:
祖国你好
例子:
# 定义函数
def num_compare(num1, num2):
# 条件判断, 比较数字大小
if num1 > num2:
print("第一个数字大")
elif num1 == num2:
print("两个数字相同")
else:
print("第二个数字大")
# 调用函数
num_compare(1, 2)
输出结果:
第二个数字大
更优的写法:
# 定义函数
def num_compare(num1, num2):
# 判断传入的参数是否为数字
if str(num1).isdigit() == False or str(num2).isdigit() == False:
print("参数必须为数字")
return # 跳出函数
# 条件判断, 比较数字大小
if num1 > num2:
print("第一个数字大")
elif num1 == num2:
print("两个数字相同")
else:
print("第二个数字大")
# 调用函数
num_compare("a", 2)
num_compare("c", "d")
num_compare(1, 2)
输出结果:
参数必须为数字
参数必须为数字
第二个数字大
我们将传入的参数转换为字符串 (String), 然后通过函数isdigit()
判断是否为数字, 避免了可能会发生的错误.
参数 (Parameter)
Python 中的参数有两大类:
形参 (形式参数), 是在函数定义, 的时候命名的参数.
例子:
# 定义函数
def sum(num1, num2): # num1, num2为形式参数
# 返回求和
return num1 + num2
# 获取结果
total = sum(2, 3) # 2, 3为实际参数
print(total)
输出结果:
5
实参 (实际参数) 是在实际执行是, 传递给函数的参数. 形参相当于实参的一个副本.
例子:
# 定义函数
def multi(num1, num2): # num1, num2为形式参数
# 返回乘积
return num1 *num2
# 获取结果
total = multi(2, 3) # 2, 3为实际参数
print(total)
输出结果:
6
作用域 (Scope) 是函数中的一个重要概念. 函数内部什么的变量是局部变量 (Local Variable) 仅在函数内有效, 而在函数外部声明的变量属于全局变量 (Global Variable), 作用域为全局.
局部变量 (Local Variable) 只能在变量所在的函数内使用. 当我们创建局部变量时, 内存中会临时分配一块空间, 当函数执行完该临时空间就会被回收.
例子:
# 定义函数
def func():
# 局部变量
a = 10
b = 20
# 调试输出
print("函数内")
print(a)
print(b)
# 调用函数
func()
# 在函数外调用变量 (报错)
print("函数外")
print(a)
print(b)
输出结果:
Traceback (most recent call last):
File "C:/Users/Windows/Desktop/讲课/第五课 函数/第五课 局部变量.py", line 17, in
print(a)
NameError: name 'a' is not defined
函数内
10
20
函数外
注意: 局部变量无法在函数外调用
例子:
# 在函数体外定义的变量为全局变量
a = 10
# 定义函数
def func():
# 使用global修饰符在函数内申明变量
global b
b = 10
# 调试输出
print("函数内")
print(a)
print(b)
# 调用函数
func()
# 输出结果
print("函数外")
print(a)
print(b)
输出结果:
函数内
10
10
函数外
10
10
递归函数 (Recursive Functions) 是一种自己调用自己的函数. 使用递归函数可以解决很多问题, 例如计算接触货斐波那契数列.
格式:
def 递归函数(参数):
if 停止条件: # 也被称为基线条件 (base case)
return 基线结果
else:
# 更新参数,通常是减小问题规模
新参数 = 更新参数(参数)
return 一些操作 + 递归函数(新参数)
阶乘的例子:
5! = 5 × 4 × 3 × 2 × 1 = 120
定义一个递归函数来计算阶乘:
# 定义阶乘函数
def factorial(n):
if n == 1:
return 1
else:
# 递归
return n * factorial(n - 1)
print(factorial(5))
输出结果:
120
讲一下递归中讲点的例子, 斐波那契数列 (Fibonacci Sequence) 的前两个数字是 0 和 1, 之后每个数字都是前两个数字的和:
# 定义斐波那契函数
def fibonacci(n):
# 停止条件
if n <= 1:
return n
# 递归, 前两数相加
return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(7))
输出结果:
120
13
Lambda 表达式又被称为匿名函数, 因为 Lambda 表达式没有具体的名字.
例子:
# 基本的算术操作
f = lambda x, y: x + y # 加法
print(f(2, 3)) # 输出: 5
# 字符串操作
capitalize = lambda s: s.capitalize() # 大写
print(capitalize('hello')) # 输出: Hello
# 逻辑操作
is_even = lambda x: x % 2 == 0
print(is_even(4)) # 输出: True
# 列表操作
get_last = lambda x: x[-1] # 取最后元素
print(get_last([1, 2, 3, 4])) # 输出: 4
# 条件操作
check_sign = lambda x: 'positive' if x > 0 else 'negative' if x < 0 else 'zero'
print(check_sign(-5)) # 输出: negative
# 函数作为参数
numbers = [1, 2, 3, 4]
squared = map(lambda x: x**2, numbers)
print(list(squared)) # 输出: [1, 4, 9, 16]
下面我们来讲一下 Python 中常用的高阶函数. Python 中的内置函数map()
, filter()
, reduce()
都是高阶函数的例子.
map()
函数可以将一个函数应用于一个或多个可迭代对象.
格式:
map(function, iterables)
参数:
例子:
# 创建数组
numbers = [1, 2, 3, 4]
squared = map(lambda x: x**2, numbers)
print(list(squared))
输出结果:
[1, 4, 9, 16]
filter()
函数用于过滤可迭代对象, 返回一个迭代器.
# 创建数组
numbers = [1, 2, 3, 4, 5]
even_numbers = filter(lambda x: x % 2 == 0, numbers) # 使用 Lambda 进行筛选
print(list(even_numbers))
输出结果:
[2, 4]
reduce()
函数连续地应用函数到一个序列上, 从左到右, 以减少该序列一个个的值. 我们可以使用reduce()
来对所有元素进行求和.
例子:
from functools import reduce
# 创建数组
numbers = [1, 2, 3, 4]
result = reduce(lambda x, y: x + y, numbers)
print(result)
输出结果:
10
先使用map()
计算每个数字的平方, 然后使用filter()
函数过滤出偶数平方.
# 创建数组
numbers = [1, 2, 3, 4, 5]
squared = map(lambda x: x**2, numbers)
even_squares = filter(lambda x: x % 2 == 0, squared)
print(list(even_squares))
输出结果:
[4, 16]
高阶函数的好处:
装饰器 (Decorator) 是 Python 的一个强大工具, 允许我们在不修改原有代码的情况下增加函数或方法.
下面是一个基础装饰器, 会在函数运行前后都输出一条信息:
# 定义装饰器
def simple_decorator(func):
"""
基础装饰器
:param func: 函数作为参数
:return: 包装函数
"""
def wrapper():
print("函数运行前")
func()
print("函数运行后")
return wrapper
# 使用装饰器
@simple_decorator
def hello():
print("Hello, World!")
# 调用函数
hello()
输出结果:
函数运行前
Hello, World!
函数运行后
def repeat(num):
def decorator(func):
def wrapper(*args, **kwargs):
for _ in range(num):
func(*args, **kwargs)
return wrapper
return decorator
@repeat(num=3)
def greet(name):
print(f"Hello, {name}!")
greet("我是小白呀")
输出结果:
Hello, 我是小白呀!
Hello, 我是小白呀!
Hello, 我是小白呀!
生成器 (Generator) 是 Python 中的一种迭代器, 允许我们在迭代时动态生成值, 而不是预先在内存中存储它们.
通过使用yield
关键字, 创建一个简单的生成器.
例子:
def simple_generator():
yield 1
yield 2
yield 3
gen = simple_generator()
print(next(gen)) # 输出: 1
print(next(gen)) # 输出: 2
输出结果:
1
2
例子:
squared = (x*x for x in range(5))
print(next(squared)) # 输出: 0
print(next(squared)) # 输出: 1
输出结果:
0
1
函数是编程中的核心构建块之一, 它们不仅提供了一种组织和复用代码的方式, 还为代码的模块化提供了一种手段。通过这篇博客, 我们已经探讨了 Python 中函数的各个方面, 从基础的函数定义和调用, 到参数传递, 再到更高级的概念, 如闭包, 装饰器和高阶函数.
我们学习了如何使用默认参数, 关键字参数和可变参数来给函数提供更大的灵活性. 同时, 我们也了解了如何使用返回值来将数据从函数传回给调用者.
在深入研究高阶函数时, 我们发现 Python 的函数是一等公民, 可以像其他对象一样被传递和返回. 这为我们提供了强大的工具, 如 map()、filter() 和 reduce(), 使我们能够编写更简洁和高效的代码.
练习 1:
练习:
练习 1:
练习 1:
"""
@Module Name: 基础函数练习.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
基础函数练习
"""
# 定义函数
def add(num1, num2):
return num1 + num2
# 调用函数
print("两数之和:", add(1, 2))
输出结果:
两数之和: 3
练习 2:
"""
@Module Name: 基础函数练习.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
基础函数练习
"""
# 定义函数
def reverse_string(str):
str_list = list(str)
result = "".join(str_list[::-1])
return result
# 调用函数
print("反转字符串:", reverse_string("我是小白呀"))
输出结果:
反转字符串: 呀白小是我
练习 3:
"""
@Module Name: 基础函数练习.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
基础函数练习
"""
# 定义函数
def average(array):
return sum(array) / len(array)
# 调用函数
print("数组平均值:", average([1, 2, 3, 4, 5]))
输出结果:
3.0
# 定义函数
def func(str):
# 停止条件
if len(str) <=1:
return True
if str[0] == str[-1]:
return func(str[1:-1])
return False
输出结果:
True
False
练习 1:
"""
@Module Name: Lambda表达式.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
Lambda表达式
"""
# 定义列表
array = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print("原始数组:", array)
# Lambda表达式
array_even = list(filter(lambda x:x**0.5 % 1 == 0, array))
print("筛选平方数:", array_even)
输出结果:
原始数组: [1, 2, 3, 4, 5, 6, 7, 8, 9]
筛选平方数: [1, 4, 9]
练习 2:
"""
@Module Name: Lambda表达式.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
Lambda表达式
"""
# 定义列表
array = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print("原始数组:", array)
# Lambda表达式
array_cube = list(map(lambda x:x**3, array))
print("数组立方:", array_cube)
输出结果:
原始数组: [1, 2, 3, 4, 5, 6, 7, 8, 9]
数组立方: [1, 8, 27, 64, 125, 216, 343, 512, 729]
练习 3:
"""
@Module Name: Lambda表达式.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
Lambda表达式
"""
from functools import reduce
# 定义列表
array = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print("原始数组:", array)
# Lambda表达式
result = reduce(lambda x, y:x*y, array)
print("数组乘积:", result)
输出结果:
原始数组: [1, 2, 3, 4, 5, 6, 7, 8, 9]
数组立方: 362880
练习 4:
"""
@Module Name: Lambda表达式.py
@Author: CSDN@我是小白呀
@Date: October 11, 2023
Description:
Lambda表达式
"""
from functools import reduce
# 定义列表
array = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print("原始数组:", array)
# Lambda表达式
result = reduce(lambda x, y:[y] + x, array, [])
print("反转后的数组:", result)
输出结果:
原始数组: [1, 2, 3, 4, 5, 6, 7, 8, 9]
反转后的数组: [9, 8, 7, 6, 5, 4, 3, 2, 1]