Python (四) Function

1: 函数

(1): 函数定义的格式

  • 函数的说明文档,解释说明函数的作用
def  函数名 (参数)
		代码1
		代码2


(2): 定义函数的说明文档

def 函数(参数)
	"""函数说明文档"""
  代码
  • 查看函数的说明文档
    • help (函数名)

(3): 函授的变量

  • 全局变量 : 生命全局变量的关键字是:global
    • 函数体内和函数体外都生效的变量。
  • 局部变量

(4): 函数的返回值

  • return 变量值1,变量值2 :返回多个数据的时候,默认是元祖数据类型
  • return 后面可接:列表,元祖或者字典, 已返回多个值。

(5): 函数的传参

  • 位置参数

    • 调⽤用函数时根据函数定义的参数位置来传递参数
      • 传递和定义参数的顺序及个数必须⼀一致
    def function(name, age, grade)
    	print()
      
    #调用
    function('wang', 18,)
    
    
  • 关键字参数

    • 函数调⽤用,通过“键=值”形式加以指定。可以让函数更更加清晰、容易易使⽤用,同时也清除了了参数的顺序需求。

      • 函数调⽤用时,如果有位置参数时,位置参数必须在关键字参数的前⾯面,但关键字参数之间不不存在
        先后顺序
      def user_info(name, age, gender):
      print(f'您的名字是{name}, 年年龄是{age}, 性别是{gender}')
      user_info('Rose', age=20, gender='⼥女女')
      user_info('⼩小明', gender='男', age=16)
      
  • 缺省参数

    • 默认参数: 在函数定义时, 首先进行了参数值的赋予。
    • 函数调⽤用时,如果为缺省参数传值则修改默认参数值;否则使⽤用这个默认值
  • 不定长参数

    • 不不定⻓长参数也叫可变参数。⽤用于不不确定调⽤用的时候会传递多少个参数(不不传参也可以)的场景。此时,可0⽤用包裹(packing)位置参数,或者包裹关键字参数

      • def function2(* arg) : 调用函数: function2(‘wang’, 18) function2([1,2], ‘wangyong’, 18) 都可以参数不固定
    • 传进的所有参数都会被args变量量收集,它会根据传进参数的位置合并为⼀一个元组(tuple),args是元组类型,这就是包裹位置传递

      • 包裹关键字传递

        def user_info(**kwargs):
        print(kwargs)
        # {'name': 'TOM', 'age': 18, 'id': 110}
        user_info(name='TOM', age=18, id=110)	
        
      • 无论是包裹位置传递还是包裹关键字传递,都是⼀一个组包的过程



2:拆包和交换变量

(1): 对元组合字典进行拆包

  • 元组:拆包

    def return_num():
    return 100, 200
    num1, num2 = return_num()
    print(num1) # 100
    print(num2) # 200
    
  • 拆包: 字典

    dict1 = {'name': 'TOM', 'age': 18}
    a, b = dict1
    

对字典进⾏行行拆包,取出来的是字典的key

print(a) # name
print(b) # age
print(dict1[a]) # TOM
print(dict1[b]) # 18


3: 引用

  • 我们可以⽤用 id() 来判断两个变量量是否为同⼀一个值的引⽤用。 我们可以将id值理理解为那块内存的地址标识。
# 1. int类型
a = 1
b = a
print(b) # 1
print(id(a)) # 140708464157520
print(id(b)) # 140708464157520
a = 2
print(b) # 1,说明int类型为不不可变类型
print(id(a)) # 140708464157552,此时得到是的数据2的内存地址
print(id(b)) # 140708464157520

# 2. 列列表
aa = [10, 20]
bb = aa
print(id(aa)) # 2325297783432
print(id(bb)) # 2325297783432
aa.append(30)
print(bb) # [10, 20, 30], 列列表为可变类型
print(id(aa)) # 2325297783432
print(id(bb)) # 2325297783432

# 去分析一下其他的数据类型


4:数据类型的 variable 和 not variable

  • 所谓可变类型与不不可变类型是指:数据能够直接进⾏行行修改,如果能直接修改那么就是可变,否则是不不可变
    • 可变的数据类型
      • 列表[ ],字典{ }, 集合{ }
    • not variable
      • 整型,浮点型,字符串,元组( )

5: lambda

(1) : lambda 的语法

  • lambda 参数列列表 : 表达式 (参数传值)
    • lambda表达式的参数可有可⽆无,函数的参数在lambda表达式中完全适⽤用
    • lambda函数能接收任何数量量的参数但只能返回⼀一个表达式的值
      • 直接打印 lambda 的值为地址, 打印 lambda( ) : 为传出的参数值。

(2): lambda 的参数传递形式

  • 无参数
    • print((lambda: 100)())
  • 一个参数
    • print((lambda a : a)(hello world))
  • 默认参数
    • print((lambda a, b, c=100: a+b+c)(10,20))
  • 可变参数
    • print(lambda * args : args)(10, 20, 30)
    • 这里的可变参数传入到 lambda 之后, 返回值是元组
  • 可变参数 : ** kwargs
    • print((lambda ** kwargs : kwargs)(name='python', age=20))

(3): lambda 的简单应用

  • 三目元算符

    • print((lambda a, b: a if a > b else b)(1000, 3000))
  • 列表数据, 按字典 Key 值排序

    students = [
    {'name': 'TOM', 'age': 20},
    {'name': 'ROSE', 'age': 19},
    {'name': 'Jack', 'age': 22}
    ]
    # 按name值升序排列列
    students.sort(key=lambda x: x['name'])
    print(students)
    # 按name值降序排列列
    students.sort(key=lambda x: x['name'], reverse=True)
    print(students)
    # 按age值升序排列列
    students.sort(key=lambda x: x['age'])
    print(students)
    


6: 高阶函数

  • 把函数作为参数传入,这样的函数称为高阶函数。

  • 高阶函数就是函数式编程的提现。

  • 函数数编程就是指这种高度抽象的编程范式。

    abs(-10)  # 10 : 是用来求数值的绝对值的
    

普通

def sum_num(a,b)
return abs(a) + abs(b)

函数式

def sum_num(a, b, f):
return f(a) + f(b)
result = sum_num(-1, 2, abs)
print(result) # 3

#对比:函数式编程⼤大量量使⽤用函数,减少了了代码的重复,因此程序⽐比较短,开发速度较快


  • 内置的高阶函数
    • map(func, lst),将传⼊入的函数变量量func作⽤用到lst变量量的每个元素中,并将结果组成新的列列表(Python2)/迭代器器(Python3)返回
    • reduce(func(x,y),lst),其中func必须有两个参数。每次func计算的结果继续和序列列的下⼀一个元素做累积计算。
      • reduce()传⼊入的参数func必须接受2个参数
    • filter(func, lst)函数⽤用于过滤序列列, 过滤掉不不符合条件的元素, 返回⼀一个 filter 对象,。如果要转换为列列表,可以使⽤用 list() 来转换
  • 递归函数(not relations)
    • 条件
      • 函数本身进行自己调用
      • 函数必须有出口
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
东南亚位于我国倡导推进的“一带一路”海陆交汇地带,作为当今全球发展最为迅速的地区之一,近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据,印度尼西亚2023年国内生产总值(GDP)增长5.05%;越南2023年经济增长5.05%;马来西亚2023年经济增速为3.7%;泰国2023年经济增长1.9%;新加坡2023年经济增长1.1%;柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大,因此有着举足轻重的地位和作用。当前,东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元,占中国外贸总值的15.4%。在过去20余年中,东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振,经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会,分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境,为国内企业出海开展业务提供客观参考意见。 本文核心内容: 市场空间:全球行业市场空间、东南亚市场发展空间。 竞争态势:全球份额,东南亚市场企业份额。 销售模式:东南亚市场销售模式、本地代理商 客户情况:东南亚本地客户及偏好分析 营商环境:东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业,以及相关上下游企业等,部分名单 QYResearch是全球知名的大型咨询公司,行业涵盖各高科技行业产业链细分市场,横跨如半导体产业链(半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件)、光伏产业链(设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端)、新能源汽车产业链(动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩)、通信产业链(通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI)、先进材料产业链(金属材料、高分子材料、陶瓷材料、纳米材料等)、机械制造产业链(数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机)、食品药品、医疗器械、农业等。邮箱:market@qyresearch.com

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值