函数
5.1 函数的定义及调用
5.1.1 为什么要用函数
- 提高代码复用性——抽象出来,封装为函数
- 将复杂的大问题分解成一系列小问题,分而治之——模块化设计的思想
- 利于代码的维护和管理
顺序式
# 5的阶乘
n = 5
res = 1
for i in range(1, n+1):
res *= i
print(res)
# 20的阶乘
n = 20
res = 1
for i in range(1, n+1):
res *= i
print(res)
120
2432902008176640000
抽象成函数
def factoria(n):
res = 1
for i in range(1, n+1):
res *= i
return res
print(factoria(5))
print(factoria(20))
5.1.2 函数的定义与调用
白箱子:输入——处理——输出
三要素:参数、函数体、返回值
1 定义
def 函数名(参数):
函数体
return 返回值
# 求正方形的面积
def area_of_square(length_of_side):
square_area = pow(length_of_side, 2)
return square_area
2 调用
函数名(参数)
area = area_of_square(5)
print(area)
25
5.1.3 参数传递
0 形参与实参
- 形参(形式参数):函数定义时的参数,实际上是变量名
- 实参(实际参数):函数调用时的参数,实际上就是变量的值
1 位置参数
- 严格按照位置顺序,用实参对形参进行赋值(关联)
- 一般用在参数比较少的时候
def function(x, y, z):
print(x, y, z)
function(1, 2, 3) # x = 1; y = 2; z = 3
1 2 3
- 实参与形参个数必须一一对应,一个不能多,一个不能少
function(1, 2)
function(1, 2, 3, 4)
2 关键字参数
- 打破位置限制,直呼其名进行值的传递(形参 = 实参)
- 必须遵守实参与形参数量上一一对应
- 多用在参数比较多的场合
def function(x, y, z):
print(x, y, z)
function(y=1, z=2, x=3)
3 1 2
- 位置参数可以与关键字参数混合使用
- 但是,位置参数必须放在关键字参数前面
function(1, z=2, y=3)
1 3 2
- 不能为同一个形参重复传值
function(1, z=2, x=3)
3 默认参数
- 在定义阶段就给形参赋值——该形参的常用值
- 默认参数必须放在非默认参数后面
- 机器学习库中类的方法里非常常见
- 调用函数时,可以不对该形参传值
def register(name, age, sex="male"):
print(name, age, sex)
register("DoubleS", 18)
DoubleS 18 male
- 也可以按正常的形参进行传值
def register(name, age, sex="male"):
print(name, age, sex)
register("林志玲", 38, "female")
林志玲 38 female
- 默认参数应该设置为不可变类型(数字、字符串、元组)
def function(ls=[]):
ls.append(1)
print(ls)
function()
function()
function()
[1]
[1, 1]
[1, 1, 1]
ls地址信息并未发生变化,后续调用在地址的列表上进行
def function(ls="Python"):
ls += "3.7"
print(ls)
function()
function()
function()
Python3.7
Python3.7
Python3.7
字符串为不可变类型,没有“记忆”功能
- 让参数变成可选的
def name(first_name, last_name, middle_name=None):
if middle_name:
return first_name + middle_name + last_name
else:
return first_name + last_name
print(name("周", "伦", "杰"))
print(name("Double", "S"))
周杰伦
DoubleS
4 可变长参数 *args
- 不知道会传来多少参数 *args
- 该形参必须放在参数列表最后
def foo(x, y, z, *args):
print(x, y, z)
print(args)
foo(1, 2, 3, 4, 5, 6) # 多余的参数,打包传递给args
1 2 3
(4, 5, 6)
- 实参打散
def foo(x, y, z, *args):
print(x, y, z)
print(args)
foo(1, 2, 3, [4, 5, 6])
foo(1, 2, 3, *[4, 5, 6]) # 打散的是列表、字符串、元组或集合
1 2 3
([4, 5, 6],)
1 2 3
(4, 5, 6)
5 可变长参数 **kwargs
def foo(x, y, z, **kwargs):
print(x, y, z)
print(kwargs)
foo(1, 2, 3, a=4, b=5, c=6) # 多余的参数,以字典形式打包传递给kwargs
1 2 3
{‘a’: 4, ‘b’: 5, ‘c’: 6}
- 字典实参打散
def foo(x, y, z, **kwargs):
print(x, y, z)
print(kwargs)
foo(1, 2, 3, **{"a": 4, "b": 5, "c": 6})
1 2 3
{‘a’: 4, ‘b’: 5, ‘c’: 6}
- 可变长参数的组合使用
可接收任意多参数的方法
def foo(*args, **kwargs):
print(args)
print(kwargs)
foo(1, 2, 3, a=4, b=5, c=6)
(1, 2, 3)
{‘a’: 4, ‘b’: 5, ‘c’: 6}
5.1.4 函数体与变量作用域
- 函数体就是一段在函数被调用时才会执行的代码,代码构成与其他代码并无不同
- 局部变量——仅在函数体内定义和发挥作用
def multiply(x, y):
z = x * y
return z
print(multiply(2, 9))
print(z)
18
print(z)
NameError: name ‘z’ is not defined
- 全局变量——外部定义的都是全局变量
- 全局变量可以在函数体内直接被使用
n = 3
ls = [0]
def multiply(x, y):
z = n * x * y
ls.append(z)
return z
print(multiply(2, 9))
print(ls)
54
[0, 54]
- 通过global在函数体内定义全局变量
n = 3
ls = [0]
def multiply(x, y):
global z
z = n * x * y
ls.append(z)
return z
multiply(2, 9)
print(z)
54
5.1.5 返回值
1 单个返回值
def foo(x):
return x**2
2 多个返回值——以元组的形式
def foo(x=1):
return 1, x, x**2, x**3 # 用逗号分开,打包返回
print(foo(3))
a, b, c, d = foo(3) # 解包赋值
print(a)
print(b)
print(c)
print(d)
(1, 3, 9, 27)
1
3
9
27
3 可以有多个return语句,一旦其中一个执行,代表了函数运行的结束
def is_holiday(day):
if day in {"Sunday", "Saturday"}:
return "Is holiday"
else:
return "Not holiday"
print("I don't know") # 没有机会运行
print(is_holiday("Sunday"))
print(is_holiday("Monday"))
Is holiday
Not holiday
4 没有return语句,返回值None
def foo():
print("我是孙悟空")
res = foo()
print(res)
我是孙悟空
None
5.1.6 几点建议
1 函数及其参数的命名参考变量的命名
- 字母小写及下划线组合
- 有实际意义
2 应包含简要阐述函数功能的注释,注释紧跟函数定义后面
def foo():
# 这个函数的作用是为了大家看注释的位置
pass
3 函数定义前后各空两行
def f1():
pass
# 空出两行
def f2():
pass
def f3(x=3): # 默认参数赋值等号两侧不需要加空格
pass
# …
4 默认参数赋值等号两侧不需加空格
5.2 函数式编程实例
模块化编程思想
- 自顶向下,分而治之
【问题描述】
- 小丹和小伟羽毛球打得都不错,水平也在伯仲之间,小丹略胜一筹,基本上打100个球,小丹能赢55次,小伟能45次。
- 但是每次大型比赛(1局定胜负,谁先赢到21分,谁就获胜),小丹赢得概率远远大于小伟,小伟很不服气
- 你能通过模拟实验,来揭示其中的奥妙吗?
【问题抽象】
- 在小丹与小伟的二元比赛系统中,小丹每球获胜概率为55%,小伟每球获胜概率45%;
- 每局比赛,先赢21球(21分)者获胜
- 假设进行n = 1000场独立比赛,小丹会获胜多少场?(n比较大的时候,实验结果约为真实期望)
【问题分解】
def main():
# 主要逻辑
prob_A, prob_B, number_of_games = get_inputs() # 获取原始数据
win_A, win_B = sim_n_games(prob_A, prob_B, number_of_games) # 获取模拟结果
print_summary(win_A, win_B, number_of_games) # 结果汇总输出
1 输入原始数据
def get_inputs():
# 输入原始数据
prob_A = eval(input("请输入运动员A每球获胜概率(0~1):"))
prob_B = round(1 - prob_A, 2)
number_of_games = eval(input("请输入模拟的场次(正整数):"))
print("模拟比赛总场数:", number_of_games)
print("A选手每球获胜概率:", prob_A)
print("B选手每球获胜概率:", prob_B)
return prob_A, prob_B, number_of_games
单元测试
prob_A, prob_B, number_of_games = get_inputs()
请输入运动员A每球获胜概率(0~1):0.45
请输入模拟的场次(正整数):1000
模拟比赛总场数: 1000
A选手每球获胜概率: 0.45
B选手每球获胜概率: 0.55
2 多场比赛模拟
def sim_n_games(prob_A, prob_B, number_of_games):
# 模拟多场比赛的结果
win_A, win_B = 0, 0 # 初始化A、B获胜场次
for i in range(number_of_games): # 迭代number_of_games次
score_A, score_B = sim_one_game(prob_A, prob_B) # 获得模拟依次比赛的比分
if score_A > score_B:
win_A += 1
else:
win_B += 1
return win_A, win_B
import random
def sim_one_game(prob_A, prob_B):
# 模拟一场比赛的结果
score_A, score_B = 0, 0
while not game_over(score_A, score_B):
if random.random() < prob_A: # random.random()生产[0,1)之间的随机小数,均匀分布
score_A += 1
else:
score_B += 1
return score_A, score_B
def game_over(score_A, score_B):
# 单场模拟结束条件,一方先达到21分,比赛结束
return score_A == 21 or score_B == 21
单元测试 用assert——断言进行
- assert expression
- 表达式结果为false的时候触发异常
assert game_over(21, 8) == True
assert game_over(9, 21) == True
assert game_over(11, 8) == True
print(sim_one_game(0.55, 0.45))
print(sim_one_game(0.7, 0.3))
print(sim_one_game(0.2, 0.8))
print(sim_n_games(0.55, 0.45, 1000))
(21, 13)
(21, 14)
(4, 21)
(742, 258)
3 结果汇总输出
def print_summary(win_A, win_B, number_of_games):
# 结果汇总输出
print("共模拟了{}场比赛".format(number_of_games))
print("选手A获胜了{}场,占比{:.1%}".format(win_A, win_A/number_of_games))
print("选手B获胜了{}场,占比{:.1%}".format(win_B, win_B/number_of_games))
print_summary(729, 271, 1000)
共模拟了1000场比赛
选手A获胜了729场,占比72.9%
选手B获胜了271场,占比27.1%
4 总结
总代码为:
import random
def main():
# 主要逻辑
prob_A, prob_B, number_of_games = get_inputs() # 获取原始数据
win_A, win_B = sim_n_games(prob_A, prob_B, number_of_games) # 获取模拟结果
print_summary(win_A, win_B, number_of_games) # 结果汇总输出
def get_inputs():
# 输入原始数据
prob_A = eval(input("请输入运动员A每球获胜概率(0~1):"))
prob_B = round(1 - prob_A, 2)
number_of_games = eval(input("请输入模拟的场次(正整数):"))
print("模拟比赛总场数:", number_of_games)
print("A选手每球获胜概率:", prob_A)
print("B选手每球获胜概率:", prob_B)
return prob_A, prob_B, number_of_games
def sim_n_games(prob_A, prob_B, number_of_games):
# 模拟多场比赛的结果
win_A, win_B = 0, 0 # 初始化A、B获胜场次
for i in range(number_of_games): # 迭代number_of_games次
score_A, score_B = sim_one_game(prob_A, prob_B) # 获得模拟依次比赛的比分
if score_A > score_B:
win_A += 1
else:
win_B += 1
return win_A, win_B
def sim_one_game(prob_A, prob_B):
# 模拟一场比赛的结果
score_A, score_B = 0, 0
while not game_over(score_A, score_B):
if random.random() < prob_A: # random.random()生产[0,1)之间的随机小数,均匀分布
score_A += 1
else:
score_B += 1
return score_A, score_B
def game_over(score_A, score_B):
# 单场模拟结束条件,一方先达到21分,比赛结束
return score_A == 21 or score_B == 21
def print_summary(win_A, win_B, number_of_games):
# 结果汇总输出
print("共模拟了{}场比赛".format(number_of_games))
print("选手A获胜了{}场,占比{:.1%}".format(win_A, win_A / number_of_games))
print("选手B获胜了{}场,占比{:.1%}".format(win_B, win_B / number_of_games))
main()
调用:
请输入运动员A每球获胜概率(0~1):0.55
请输入模拟的场次(正整数):1000
模拟比赛总场数: 1000
A选手每球获胜概率: 0.55
B选手每球获胜概率: 0.45
共模拟了1000场比赛
选手A获胜了732场,占比73.2%
选手B获胜了268场,占比26.8%
可以发现:你以为你跟别人差距只是一点点,实际上,差距老大了
5.3 匿名函数
5.3.1 基本形式
lambda 变量: 函数体
5.3.2 常用用法
在参数列表中最适合使用匿名函数,尤其是与key = 搭配
- 排序sort() sorted()
ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
ls.sort()
print(ls)
[(76, 94), (79, 100), (85, 85), (86, 71), (93, 88)]
ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
ls.sort(key=lambda x: x[1])
print(ls)
[(86, 71), (85, 85), (93, 88), (76, 94), (79, 100)]
ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
temp = sorted(ls, key=lambda x: x[0]+x[1])
print(temp)
[(86, 71), (85, 85), (76, 94), (79, 100), (93, 88)]
- max() min()
ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
n = max(ls, key=lambda x: x[1])
print(n)
(79, 100)
ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
n = min(ls, key=lambda x: x[1])
print(n)
(86, 71)
5.4 面向过程和面向对象
面向过程——以过程为中心的编程思想,以“什么正在发生”为主要目标进行编程 冰冷的、程序化的
面向对象——将现实世界的事物抽象成对象,更关注“谁在受影响”,更加贴近现实 有血有肉,拟人(物)化的
- 以公共汽车为例
- “面向过程”:汽车启动是一个事件,汽车到站是另一个事件……
在编程序的时候我们关心的是某一个事件,而不是汽车本身
我们分别对启动和到站编写程序 - “面向对象”:构造“汽车”这个对象
对象包含动力、服役时间、生产厂家等等一系列“属性”;
也包含加油、启动、加速、刹车、转弯、鸣喇叭、到站、
维修等一系列的“方法”;
通过对象的行为表达相应事件
以上,便是第五节深入探索内容,对于函数定义与调用有了一定了解,同时明白了面向过程与面向对象的编程。
下一节将深入理解类,面向对象的编程。