10个Python函数参数进阶用法及代码优化

目录

1. 默认参数值：让函数更加灵活

2. 关键字参数：清晰的调用方式

3. *args：拥抱不确定数量的位置参数

4. **kwargs：处理不确定数量的关键字参数

5. 参数解包：简化多参数的传递

6. 命名关键字参数：限制关键字参数

7. 局部变量与全局变量：理解作用域

8. 高级：装饰器（@decorator）

9. Lambda函数：简洁的匿名函数

10. Python 3.8+: 用:=操作符（walrus operator）简化逻辑

实践与优化小贴士

实践技巧

11. 缓存结果：functools.lru_cache

12. 参数类型注解：提升代码的可读性和工具支持

13. 递归优化：防止栈溢出

14. 避免全局变量，使用闭包或类

15. 性能优化：理解函数调用开销

结语

---

今天我们要一起探索的是Python函数参数的那些不为人知的高级玩法！对于Python初学者来说，掌握这些技巧不仅能让代码变得更加优雅，还能在性能优化上大显身手。准备好，让我们一步步揭开它们的神秘面纱。

1. 默认参数值：让函数更加灵活

默认参数值是Python的一大亮点，它允许函数调用时某些参数可以省略，提高函数的易用性。

def greet(name="匿名"):
    print(f"你好，{name}！")

greet()  # 输出：你好，匿名！
greet("小明")  # 输出：你好，小明！

注意：默认参数值必须放在参数列表的末尾哦！

2. 关键字参数：清晰的调用方式

关键字参数允许你在调用函数时明确指定参数的名称，这在参数较多时非常有用。

def introduce(name, age):
    print(f"我叫{name}，今年{age}岁。")

introduce(age=25, name="张三")  # 明确指定参数

3. *args：拥抱不确定数量的位置参数

当你不知道会有多少个参数传给函数时，*args就派上用场了，它收集所有多余的非关键字参数为一个元组。

def show_names(*names):
    for name in names:
        print(name)

show_names("Alice", "Bob", "Charlie")  # 依次打印名字

4. **kwargs：处理不确定数量的关键字参数

类似地，**kwargs用于收集关键字参数，将它们组织成字典。

def display_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

display_info(name="李四", age=30)  # 打印键值对

5. 参数解包：简化多参数的传递

当你有一个列表或字典，想要作为参数传递给函数时，* 和 ** 来帮忙。

nums = [1, 2, 3]
print(sum(*nums))  # 直接解包传递

info = {"name": "王五", "age": 28}
display_info(**info)  # 字典解包

6. 命名关键字参数：限制关键字参数

通过在参数列表中放置星号(*)，你可以强制之后的参数必须以关键字形式传递。

def example(a, b, *, c, d):
    print(a, b, c, d)

example(1, 2, c=3, d=4)  # 正确
example(1, 2, 3, 4)  # 错误，c和d必须是关键字参数

7. 局部变量与全局变量：理解作用域

在函数内部定义的变量默认是局部变量，但如果使用global关键字，可以将其声明为全局变量。

x = "外面的世界"

def change_x():
    global x
    x = "函数内部的改变"

change_x()
print(x)  # 输出：函数内部的改变

8. 高级：装饰器（@decorator）

装饰器是一种高级用法，用于修改或增强函数的行为，无需直接修改函数代码。

def my_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()  # 观察装饰器的效果

9. Lambda函数：简洁的匿名函数

对于简单的函数需求，lambda表达式提供了一种更紧凑的定义方式。

double = lambda x: x * 2
print(double(5))  # 输出：10

10. Python 3.8+: 用:=操作符（walrus operator）简化逻辑

这个新特性允许在条件语句或循环中直接赋值并测试。

while (line := file.readline()) != '':
    process(line)

实践与优化小贴士

• 使用默认参数时，避免将可变对象（如列表）作为默认值，以防意外的副作用。

• 在设计函数时，考虑参数的顺序和类型，以提高代码的可读性和健壮性。

• 装饰器可以用于性能监控、日志记录等，但过度使用会使代码难以理解。

• 熟练运用这些参数技巧，能让你的代码既简洁又强大。

实践技巧

11. 缓存结果：functools.lru_cache

在处理重复计算或者昂贵的函数调用时，使用lru_cache可以显著提高效率。

from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(30))  # 只计算一次，后续调用直接返回缓存结果

12. 参数类型注解：提升代码的可读性和工具支持

Python 3.5+ 引入了类型注解，虽然不会直接影响程序运行，但对于代码的维护和IDE的智能提示非常有帮助。

def greet(name: str) -> str:
    return f"Hello, {name}!"

print(greet("World"))  # IDE能识别类型，减少错误

13. 递归优化：防止栈溢出

递归函数虽然优雅，但需小心栈溢出。可以通过增加递归深度限制或转换为迭代解决。

def factorial(n, acc=1):
    if n == 1:
        return acc
    else:
        return factorial(n-1, acc*n)  # 递归优化，减少调用次数

print(factorial(10))  # 更安全的递归

14. 避免全局变量，使用闭包或类

全局变量可能导致代码难以理解和维护。闭包或类可以封装状态，保持函数的纯净性。

def counter():
    count = 0
    def increment():
        nonlocal count
        count += 1
        return count
    return increment

click = counter()
print(click(), click())  # 使用闭包模拟状态

15. 性能优化：理解函数调用开销

Python中的函数调用是有一定开销的。在追求极致性能的场景下，考虑使用列表推导式、生成器表达式替代循环，或者利用Cython等工具编译关键部分。

# 列表推导式比循环快
squares = [i**2 for i in range(1000)]

结语

以上就是Python函数参数进阶用法的一些精选技巧，以及代码优化的实践建议。

 

好了，今天的分享就到这里了，我们下期见。