Python学习 Task6：函数

1、函数

函数是一种可重复使用的，用来实现单一，或相关联功能的代码段。函数能提高应用的模块性，和代码的重复利用率。你已经知道Python提供了许多内建函数，比如print()。但你也可以自己创建函数，即用户自定义函数，Python 中“万物皆对象”，Python 把函数也当成对象，可以从另一个函数中返回出来而去构建高阶函数，例如：参数是函数、返回值是函数。

1.1 函数定义

1）函数代码块以 def 关键词开头，后接函数标识符名称和圆括号()。
2）任何传入参数和自变量必须放在圆括号中间。圆括号之间可以用于定义参数。
3）函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明。
4）函数内容以冒号起始，并且缩进。
5）return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回 None。

def functionname( parameters ):
   "函数_文档字符串"
   function_suite
   return [expression]

注：默认情况下，参数值和参数名称是按函数声明中定义的顺序匹配起来的。

def printme( str ):
   "打印传入的字符串到标准显示设备上"
   print (str)
   return
# 调用函数
printme("我要学习Python!")
printme("人生苦短，我用Python!")

1.2 函数参数

Python 的函数具有非常灵活多样的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。从简到繁的参数形态如下：

1. 位置参数 (positional argument)
2. 默认参数 (default argument)
3. 可变参数 (variable argument)
4. 关键字参数 (keyword argument)
5. 命名关键字参数 (name keyword argument)
6. 参数组合

1.2.1 位置参数

arg1 - 位置参数 ，这些参数在调用函数 (call function) 时位置要固定。

def functionname(arg1):
"函数_文档字符串"
function_suite
return [expression]

1.2.2 默认参数

arg2 = v - 默认参数 = 默认值，调用函数时，默认参数的值如果没有传入，则被认为是默认值。默认参数一定要放在位置参数 后面，不然程序会报错。

def functionname(arg1, arg2=v):
"函数_文档字符串"
function_suite
return [expression]

def printinfo(name, age=15):
     print('Name:{0},Age:{1}'.format(name, age))
printinfo('小明') # Name:小明,Age:15
printinfo('小米', 18) # Name:小米,Age:18
printinfo(age=8, name='小红') # Name:小红,Age:8

1.2.3 可变参数

可变参数就是传入的参数个数是可变的，可以是 0, 1, 2 到任意个，是不定长的参数。args - 可变参数，可以是从零个到任意个，自动组装成元组。加了星号(）的变量名会存放所有未命名的变量参数。

def functionname(arg1, arg2=v, *args):
"函数_文档字符串"
function_suite
return [expression]

1.2.4 关键字参数

**kw - 关键字参数，可以是从零个到任意个，自动组装成字典。

def functionname(arg1, arg2=v, *args, **kw):
"函数_文档字符串"
function_suite
return [expression]

「可变参数」和「关键字参数」的同异区别：

1. 可变参数允许传入零个到任意个参数，它们在函数调用时自动组装为一个元组 (tuple)。
2. 关键字参数允许传入零个到任意个参数，它们在函数内部自动组装为一个字典 (dict)。

1.2.5 命名关键字参数

def functionname(arg1, arg2=v, *args, *, nkw, **kw):
"函数_文档字符串"
function_suite
return [expression]

1. *, nkw - 命名关键字参数，用户想要输入的关键字参数，定义方式是在nkw 前面加个分隔符 *。
2. 如果要限制关键字参数的名字，就可以用「命名关键字参数」
3. 使用命名关键字参数时，要特别注意不能缺少参数名。

1.2.6 参数组合

在 Python 中定义函数，可以用位置参数、默认参数、可变参数、命名关键字参数和关键字参数，这 5 种参数中的 4个都可以一起使用，但是注意，参数定义的顺序必须是：

1. 位置参数、默认参数、可变参数和关键字参数。
2. 位置参数、默认参数、命名关键字参数和关键字参数。
   要注意定义可变参数和关键字参数的语法：
3. *args 是可变参数， args 接收的是一个 tuple
4. **kw 是关键字参数， kw 接收的是一个 dict
   命名关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。定义命名关键字参数不要忘了写分隔
   符 * ，否则定义的是位置参数。
   警告：虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数很难懂。

1.2.7 变量作用域

1. Python 中，程序的变量并不是在哪个位置都可以访问的，访问权限决定于这个变量是在哪里赋值的。
2. 定义在函数内部的变量拥有局部作用域，该变量称为局部变量。
3. 定义在函数外部的变量拥有全局作用域，该变量称为全局变量。
4. 局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。

2、Lambda表达式

在 Python 里有两类函数：
第一类：用 def 关键词定义的正规函数
第二类：用 lambda 关键词定义的匿名函数
python 使用 lambda 关键词来创建匿名函数，而非 def 关键词，它没有函数名，其语法结构如下：

lambda argument_list: expression

1、lambda - 定义匿名函数的关键词。
2、 argument_list - 函数参数，它们可以是位置参数、默认参数、关键字参数，和正规函数里的参数类型一样。
3、: - 冒号，在函数参数和表达式中间要加个冒号。
4、 expression - 只是一个表达式，输入函数参数，输出一些值。
需要注意：

1. expression 中没有 return 语句，因为 lambda 不需要它来返回，表达式本身结果就是返回值。
2. 匿名函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。

2.1 匿名函数的应用

函数式编程 是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出，没有任何副作用。

# 非函数式编程
def f(x):
   for i in range(0, len(x)):
      x[i] += 10
      return x
x = [1, 2, 3]
f(x)
print(x)# [11, 12, 13]

# 函数式编程
def f(x):
  y = []
  for item in x:
      y.append(item + 10)
      return y
x = [1, 2, 3]
f(x)
print(x)# [1, 2, 3]

匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式：参数是函数 (filter, map)和返回值是函数 (closure)
例如，在 filter 和 map 函数中的应用：

1. filter(function, iterable) 过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换。

odd = lambda x: x % 3 == 1
templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(templist)) # [1, 4, 7]

2. map(function, *iterables) 根据提供的函数对指定序列做映射。

m1 = map(lambda x: x ** 5, [1, 2, 3, 4, 5])
print(list(m1)) # [1, 32, 243, 1024, 3125]
m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
print(list(m2)) # [3, 7, 11, 15, 19]

除了 Python 这些内置函数，我们也可以自己定义高阶函数。

def apply_to_list(fun, some_list):
   return fun(some_list)
lst = [1, 2, 3, 4, 5]
print(apply_to_list(sum, lst)) # 15
print(apply_to_list(len, lst)) # 5
print(apply_to_list(lambda x: sum(x) / len(x), lst)) # 3.0