函数是Python中最主要也是最重要的代码组织和复用手段。作为最重要的原则，如果你要重复使用相同或非常类似的代码，就需要写一个函数。通过给函数起一个名字，还可以提高代码的可读性。
函数使用def关键字声明，用return关键字返回值：
def my_function(x, y, z=1.5):
if z > 1:
return z * (x + y)
else:
return z / (x + y)
同时拥有多条return语句也是可以的。如果到达函数末尾时没有遇到任何一条return语句，则返回None。
函数可以有一些位置参数（positional）和一些关键字参数（keyword）。关键字参数通常用于指定默认值或可选参数。在上面的函数中，x和y是位置参数，而z则是关键字参数。也就是说，该函数可以用下面这两种方式进行调用：
my_function(5, 6, z=0.7)
my_function(3.14, 7, 3.5)
my_function(10, 20)
函数参数的主要限制在于：关键字参数必须位于位置参数（如果有的话）之后。你可以任何顺序指定关键字参数。也就是说，不用死记硬背函数参数的顺序，只要记得它们的名字即可。
笔记：也可以用关键字传递位置参数。前面的例子，也可以写为：
my_function(x=5, y=6, z=7) my_function(y=6, x=5, z=7)这种写法可以提高可读性。
命名空间、作用域，和局部函数
函数可以访问两种不同作用域中的变量：全局（global）和局部（local）。Python有一种更科学的用于描述变量作用域的名称，即命名空间（namespace）。任何在函数中赋值的变量默认都是被分配到局部命名空间（local namespace）中的。局部命名空间是在函数被调用时创建的，函数参数会立即填入该命名空间。在函数执行完毕之后，局部命名空间就会被销毁（会有一些例外的情况，具体请参见后面介绍闭包的那一节）。先看下面这个函数：
def func():
a = []
for i in range(5):
a.append(i)
调用func()之后，首先会创建空列表a，然后添加5个元素，最后a会在该函数退出的时候被销毁。假如我们像下面这样定义a:
a = []
def func():
for i in range(5):
a.append(i)
虽然可以在函数中对全局变量进行赋值操作，但是那些变量必须用global关键字声明成全局的才行：
In [168]: a = None
In [169]: def bind_a_variable():
.....: global a
.....: a = []
.....: bind_a_variable()
.....:
In [170]: print(a)
[]
注意：我们一般不建议大家频繁使用global关键字。因为全局变量一般是用于存放系统的某些状态的。如果你发现自己用了很多，那可能需要使用面向对象编程了（类）。
返回多个值
下面是一个简单的例子：
def f():
a = 5
b = 6
c = 7
return a, b, c
a, b, c = f()
在数据分析和其他科学计算应用中，你会发现自己常常这么干。该函数其实只返回了一个对象，也就是一个元祖，最后该元祖会被拆包到各个结果变量中。在上面的例子中，我们还可以这样写：
return_value = f()
这里的return_value将会是一个含有3个返回值的三元元祖。此外，还有一种非常具有吸引力的多值返回方式——返回字典：
def f():
a = 5
b = 6
c = 7
return {'a' : a, 'b' : b, 'c' : c}
取决于工作内容，第二种方法可能很有用。
函数也是对象
由于Python函数都是对象，因此，在其他语言中较难表达的一些设计思想在Python中就要简单很多了。假设我们有下面这样一个字符串数组，希望对其进行一些数据清洗工作并执行一堆转换：
In [171]: states = [' Alabama ', 'Georgia!', 'Georgia', 'georgia', 'FlOrIda',
.....: 'south carolina##', 'West virginia?']
为得到一组能用于分析的格式统一的字符串，需要做很多事情：去除空白符、删除各种标点符号、正确的大小写格式等等。做法之一是使用内建的字符串方法和正则表达式re模块：
import re
def clean_strings(strings):
result = []
for value in strings:
value = value.strip()
value = re.sub('[!#?]', '', value)
value = value.title()
result.append(value)
return result
备注：
strip()方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。
re.sub(pattern, repl, string, count=0, flags=0)
pattern：表示正则表达式中的模式字符串；
repl：被替换的字符串（既可以是字符串，也可以是函数）；
string：要被处理的，要被替换的字符串；
count：匹配的次数, 默认是全部替换
flags：具体用处不详
title()方法返回"标题化"的字符串,就是说所有单词都是以大写开始，其余字母均为小写。
结果如下所示：
In [173]: clean_strings(states)
Out[173]:
['Alabama',
'Georgia',
'Georgia',
'Georgia',
'Florida',
'South Carolina',
'West Virginia']
其实还有另外一种不错的方法：将需要在一组给定字符串上执行的所有运算做成一个列表：
def remove_punctuation(value):
return re.sub('[!#?]', '', value)
clean_ops = [str.strip, remove_punctuation, str.title]
def clean_strings(strings, ops):
result = []
for value in strings:
for function in ops:
value = function(value)
result.append(value)
return result
然后就可以使用自定义函数这样处理了：
In [175]: clean_strings(states, clean_ops)
Out[175]:
['Alabama',
'Georgia',
'Georgia',
'Georgia',
'Florida',
'South Carolina',
'West Virginia']
这种多函数模式使你能在很高的层次上轻松修改字符串的转换方式。此时的clean_strings也更具有复用性~
还可以将函数用作其他函数的参数，比如内置的map函数，它用于在一组数据上应用一个函数：
In [176]: for x in map(remove_punctuation, states):
.....: print(x)
Alabama
Georgia
Georgia
georgia
FlOrIda
south carolina
West virginia
匿名（lambda）函数
Python支持一种匿名函数。它仅由单条语句组成，该语句的结果就是返回值。它是通过lambda关键字定义的，这个关键字没有别的含义，仅仅表示“我们正在声明的是一个匿名函数”。
def short_function(x):
return x * 2
equiv_anon = lambda x: x * 2
我们在数据分析中经常使用到lambda函数，因为你会发现很多数据转换函数都是以函数作为参数的。直接传入lambda函数比编写完整函数声明要少输入很多字，甚至比将lambda函数赋值给一个变量还要少输入很多字。看看下面这个例子吧：
def apply_to_list(some_list, f):
return [f(x) for x in some_list]
ints = [4, 0, 1, 5, 6]
apply_to_list(ints, lambda x: x * 2)
虽然你也可以直接编写[x *2 for x in ints]，但是这里我们可以非常轻松地传入一个自定义运算给apply_to_list函数。
再来看另外一个例子，假设有一组字符串，你想要根据各个字符串包含的不同字母的数量对其进行排序：
In [177]: strings = ['foo', 'card', 'bar', 'aaaa', 'abab']
这里，我们可以传入一个lambda函数到列表的sort方法：
In [178]: strings.sort(key=lambda x: len(set(list(x))))
In [179]: strings
Out[179]: ['aaaa', 'foo', 'abab', 'bar', 'card']
笔记：lambda函数之所以被称为匿名函数，原因之一是这种函数对象本身没有提供名称name属性。
柯里化：部分参数应用
柯里化（currying）是一个有趣的计算机科学术语，它指的是通过“部分参数应用”（partial argument application）从现有函数派生出新函数的技术。例如，假设我们有一个执行两数相加的简单函数：
def add_numbers(x, y):
return x + y
通过这个函数，我们可以派生出一个新的只有一个参数的函数——add_five，它用于对其参数加5：
add_five = lambda y: add_numbers(5, y)
add_numbers的第二个参数称为“柯里化的”（curried）。这里没有什么特别花哨的东西，因为我们其实就只是定义了一个可调用现有函数的新函数而已，内置的functools模块可以用partial函数将此过程简化：
from functools import partial
add_five = partial(add_numbers, 5)
生成器
能以一种一致的方式对序列进行迭代（比如列表中的对象或文件中的行）是Python的一个重要特点。这是通过一种叫做迭代器协议（iterator protocol，它是一种使对象可迭代的通用方式）的方式实现的，一个原生的使对象可迭代的方法。比如说，对字典进行迭代可以得到其所有的键：
In [180]: some_dict = {'a': 1, 'b': 2, 'c': 3}
In [181]: for key in some_dict:
.....: print(key)
a
b
c
当你编写for key in some_dict时，Python解释器首先会尝试从some_dict创建一个迭代器：
In [182]: dict_iterator = iter(some_dict)
In [183]: dict_iterator
Out[183]:
迭代器是一种特殊对象，它可以在诸如for循环之类的上下文中向Python解释器输送对象。大部分能接受列表之类的对象的方法也都可以接受任何可迭代对象。比如min、max、sum等内置方法以及list、tuple等类型构造器：
In [184]: list(dict_iterator)
Out[184]: ['a', 'b', 'c']
生成器（generator）是构造新的可迭代对象的一种简单方式。一般的函数执行之后只会返回单个值，而生成器则是以延迟的方式返回一个值序列，即每返回一个值之后暂停，直到下一个值被请求时再继续。要创建一个生成器，只需将函数中的return替换成yelid即可：
def squares(n=10):
print('Generating squares from 1 to {0}'.format(n ** 2))
for i in range(1, n + 1):
yield i ** 2
调用该生成器时，没有任何代码会被立即执行：
In [186]: gen = squares()
In [187]: gen
Out[187]:
直到你从该生成器中请求元素时，它才会开始执行其代码：
In [188]: for x in gen:
.....: print(x, end=' ')
Generating squares from 1 to 100
1 4 9 16 25 36 49 64 81 100
生成器表达式
另外一种更加简洁的构造生成器的方法是使用生成器表达式（generator expression）。这是一种类似于列表、字典、集合推导式的生成器。其创建方式为，把列表推导式两端的方括号改为圆括号：
In [189]: gen = (x ** 2 for x in range(100))
In [190]: gen
Out[190]: at 0x7fbbd5ab29e8>
它跟下面这个冗长的生成器是完全等价的：
def _make_gen():
for x in range(100):
yield x ** 2
gen = _make_gen()
生成器表达式也可以取代列表推导式，作为函数参数：
In [191]: sum(x ** 2 for x in range(100))
Out[191]: 328350
In [192]: dict((i, i **2) for i in range(5))
Out[192]: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
itertools模块
标准库itertools模块中有一组用于许多常见数据算法的生成器。例如，groupby可以接受任何序列和一个函数。塔根据函数的返回值对序列中的连续元素进行分组。下面是一个例子：
In [193]: import itertools
In [194]: first_letter = lambda x: x[0]
In [195]: names = ['Alan', 'Adam', 'Wes', 'Will', 'Albert', 'Steven']
In [196]: for letter, names in itertools.groupby(names, first_letter):
.....: print(letter, list(names)) # names is a generator
A ['Alan', 'Adam']
W ['Wes', 'Will']
A ['Albert']
S ['Steven']
表3-2中列出了经常使用的itertools函数，建议参阅Python官方文档，进一步学习。
错误和异常处理
优雅地处理Python的错误和异常是构建程序的重要部分。在数据分析中，许多函数只用于部分输入。例如，Python的float函数可以将字符串转换成浮点数，但是输入有误时，有
ValueError错误：
In [197]: float('1.2345')
Out[197]: 1.2345
In [198]: float('something')
---------------------------------------------------------------------------
File "", line 1, in
float('something')
ValueError: could not convert string to float: 'something'
假如想优雅地处理float的错误，让它返回输入值。我们可以写一个函数，在try、except中调用float：
def attempt_float(x):
try:
return float(x)
except:
return x
当float(x)抛出异常时，才会执行except部分：
In [200]: attempt_float('1.2345')
Out[200]: 1.2345
In [201]: attempt_float('something')
Out[201]: 'something'
你可能注意到float抛出的异常不仅是ValueError：
In [202]: float((1, 2))
---------------------------------------------------------------------------
File "", line 1, in
float((1, 2))
TypeError: float() argument must be a string or a number, not 'tuple'
你可能只想处理ValueError，TypeError错误（输入不是字符串或数值）可能是合理的bug。可以写一个异常类型：
def attempt_float(x):
try:
return float(x)
except ValueError:
return x
然后有：
In [204]: attempt_float((1, 2))
---------------------------------------------------------------------------
File "", line 3, in attempt_float
return float(x)
TypeError: float() argument must be a string or a number, not 'tuple'
可以用元祖包含多个异常：
def attempt_float(x):
try:
return float(x)
except (TypeError, ValueError):
return x
某些情况下，你可能不想抑制异常，你想无论try部分的代码是否成功，都执行一段代码。可以使用finally：
f = open(path, 'w')
try:
write_to_file(f)
finally:
f.close()
这里，文件处理f总会被关闭。相似的，你可以用else让只在try部分成功的情况下，才执行代码：
f = open(path, 'w')
try:
write_to_file(f)
except:
print('Failed')
else:
print('Succeeded')
finally:
f.close()
IPython的异常
如果是在%run一个脚本或一条语句时抛出异常，IPython默认会打印完整的调用栈（traceback），在栈的每个点都会有几行上下文：
In [10]: %run examples/ipython_bug.py
---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
/home/wesm/code/pydata-book/examples/ipython_bug.py in ()
13 throws_an_exception()
14
---> 15 calling_things()
/home/wesm/code/pydata-book/examples/ipython_bug.py in calling_things()
11 def calling_things():
12 works_fine()
---> 13 throws_an_exception()
14
15 calling_things()
/home/wesm/code/pydata-book/examples/ipython_bug.py in throws_an_exception()
7 a = 5
8 b = 6
----> 9 assert(a + b == 10)
10
11 def calling_things():
AssertionError:
自身就带有文本是相对于Python标准解释器的极大优点。你可以用魔术命令%xmode，从Plain（与Python标准解释器相同）到Verbose（带有函数的参数值）控制文本显示的数量。后面可以看到，发生错误之后，（用%debug或%pdb magics）可以进入stack进行事后调试。