Python学习Day5 函数与Lambda表达式

参考教程：https://www.liaoxuefeng.com/wiki/1016959663602400
参考博客：刻意练习：Python基础 – Task05. 函数与Lambda表达式（原创： LSGOGroup 老马的程序人生）

函数

函数的定义

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

注意：

• 函数以def关键词开头，后接函数名和圆括号()。
• 函数执行的代码以冒号起始，并且缩进。
• 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。

函数的调用

可以在交互式命令行通过help(函数名)查看相应函数的帮助信息。
注意：函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：

>>> a = abs # 变量a指向abs函数
>>> a(-1) # 所以也可以通过a调用abs函数
1

函数参数

位置参数 (positional argument)

默认参数 (default argument)

可变参数 (variable argument)

关键字参数 (keyword argument)

命名关键字参数 (name keyword argument)

参数组合

位置参数

调用函数时，传入的两个值按照位置顺序依次赋给参数

def power(x, n):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

默认参数

默认参数可以简化函数的调用。设置默认参数时，有几点要注意：

一是必选参数在前，默认参数在后，否则Python的解释器会报错（思考一下为什么默认参数不能放在必选参数前面）；

二是如何设置默认参数。

当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。

def power(x, n=2):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

可见，默认参数降低了函数调用的难度，而一旦需要更复杂的调用时，又可以传递更多的参数来实现。无论是简单调用还是复杂调用，函数只需要定义一个。
注意：也可以不按顺序提供部分默认参数。当不按顺序提供部分默认参数时，需要把参数名写上。比如调用enroll('Adam', 'M', city='Tianjin')，意思是，city参数用传进去的值，其他默认参数继续使用默认值。Python 允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。
特别提醒：定义默认参数要牢记一点：默认参数必须指向不变对象！

def add_end(L=[]):
    L.append('END')
    return L

改为

ef add_end(L=None):
    if L is None:
        L = []
    L.append('END')
    return L

设计str、None这样的不变对象。因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

可变参数

顾名思义，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。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。

calc(nums[0], nums[1], nums[2])
14

>>> nums = [1, 2, 3]
>>> calc(*nums)
14

关键词参数

**kw - 关键字参数，可以是从零个到任意个，自动组装成字典。
关键词参数可以扩展函数的功能。比如，在person函数里，我们保证能接收到name和age这两个参数，但是，如果调用者愿意提供更多的参数，我们也能收到。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求

def printinfo(arg1, *args, **kwargs):
    print(arg1)
    print(args)
    print(kwargs)


printinfo(70, 60, 50)
# 70
# (60, 50)
# {}
printinfo(70, 60, 50, a=1, b=2)
# 70
# (60, 50)
# {'a': 1, 'b': 2}

可变参数」和「关键字参数」的同异总结如下：

• 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)。

  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)。

命名关键字参数

对于关键字参数，函数的调用者可以传入任意不受限制的关键字参数。至于到底传入了哪些，就需要在函数内部通过kw检查。

• *, 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 *。
  如果要限制关键字参数的名字，就可以用「命名关键字参数」

  使用命名关键字参数时，要特别注意不能缺少参数名。

ef printinfo(arg1, *, nkw, **kwargs):
    print(arg1)
    print(nkw)
    print(kwargs)


printinfo(70, nkw=10, a=1, b=2)
# 70
# 10
# {'a': 1, 'b': 2}

printinfo(70, 10, a=1, b=2)
# TypeError: printinfo() takes 1 positional argument but 2 were given

没有写参数名nwk，因此 10 被当成「位置参数」，而原函数只有 1 个位置函数，现在调用了 2 个，因此程序会报错。

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：

• 位置参数、默认参数、可变参数和关键字参数。

  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：
*

• args 是可变参数，args 接收的是一个 tuple

  **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。

变量作用域

• 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。

  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。

  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。

  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。

• 当内部作用域想修改外部作用域的变量时，就要用到global和nonlocal关键字了。

内嵌函数

函数定义中可以调用其他函数

闭包

• 是函数式编程的一个重要的语法结构，是一种特殊的内嵌函数。

  如果在一个内部函数里对外层非全局作用域的变量进行引用，那么内部函数就被认为是闭包。

  通过闭包可以访问外层非全局作用域的变量，这个作用域称为 闭包作用域。

• 闭包的返回值通常是函数。

• 如果要修改闭包作用域中的变量则需要 nonlocal 关键字

def make_counter(init):
    counter = [init]

    def inc(): counter[0] += 1

    def dec(): counter[0] -= 1

    def get(): return counter[0]

    def reset(): counter[0] = init

    return inc, dec, get, reset


inc, dec, get, reset = make_counter(0)
inc()
inc()
inc()
print(get())  # 3
dec()
print(get())  # 2
reset()
print(get())  # 0

递归

递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。可以试试fact(1000)：
解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

def fact(n):
    return fact_iter(n, 1)

def fact_iter(num, product):
    if num == 1:
        return product
    return fact_iter(num - 1, num * product)

return fact_iter(num - 1, num * product)仅返回递归函数本身，num - 1和num * product在函数调用前就会被计算，不影响函数调用。
尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。

遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。

Lambda 表达式

• 在 Python 里有两种函数：

  用 def 关键词的正规函数

  用 lambda 关键词的匿名函数

  匿名函数 (anonymous function)

  所谓匿名，即不再使用def语句定义一个函数。

  python 使用 lambda 来创建匿名函数。

  lambda 只是一个表达式，函数体比def简单很多。

  lambda 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。

  lambda 函数没有所谓的函数名 (function_header)，这也是它为什么叫匿名函数。

lambda argument_list: expression

• lambda - 定义匿名函数的关键词。 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。

  :- 冒号，在函数参数和表达式中间要加个冒号。

  expression - 函数表达式，输入函数参数，输出一些值。

sumary = lambda arg1, arg2: arg1 + arg2
print(sumary(10, 20))  # 30

func = lambda *args: sum(args)
print(func(1, 2, 3, 4, 5))  # 15

误用情况：如果用 lambda 函数只是为了赋值给一个变量，用 def 的正规函数。
lbd_sqr 的返回值是以 标识的函数，而 sqr 的返回时是以 sqr 为标识的函数，明显后者一看就知道该函数是「计算平方」用的。

Lambda 表达式的应用

• 高阶函数 (high-order function) 在函数化编程 (functional programming)
  很常见，主要有两种形式：

  参数是函数 (filter, map)

  返回值是函数 (closure)

  下面，看看 map, filter的语法：

  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 % 2 == 1
templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(templist))  # [1, 3, 5, 7, 9]
map(function, iterable, …) 根据提供的函数对指定序列做映射。

m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5])
print(list(m1))  # [1, 4, 9, 16, 25]
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，如下：

def apply_to_list(fun, some_list):
    return fun(some_list)

下面代码分别求出列表中所有元素的和、个数和均值。

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

学习总结

不要放弃，加强联系
加油！
Todd