python中函数详解和实践
itomcoil 2025-05-25 13:19 28 浏览
少看美女多学习来吧客观:
1. 函数定义
使用def关键字定义函数:
def function_name(parameters):
"""函数文档字符串"""
# 函数体
return value # 可选
示例
def greet(name):
"""这个函数向传入的名字问好"""
print(f"Hello, {name}!")
2. 函数调用
定义函数后,可以通过函数名加括号来调用它:
greet("Alice") # 输出: Hello, Alice!
3. 参数传递
Python函数支持多种参数传递方式:、
位置参数
def add(a, b):
return a + b
add(3, 5) # 8
关键字参数
add(a=3, b=5) # 8
add(b=5, a=3) # 8,顺序不重要
默认参数
def power(base, exponent=2):
return base ** exponent
power(3) # 9 (使用默认exponent=2)
power(3, 3) # 27
可变参数
- *args:接收任意数量的位置参数,作为元组
- **kwargs:接收任意数量的关键字参数,作为字典
def print_args(*args, **kwargs):
print("位置参数:", args)
print("关键字参数:", kwargs)
print_args(1, 2, 3, a=4, b=5)
4. 返回值
函数可以使用return返回值,如果没有return语句或return没有指定值,函数返回None。
def multiply(a, b):
return a * b
result = multiply(4, 5) # 20
5. 变量作用域
Python有四种作用域:
- 局部(Local) - 在函数内部
- 嵌套(Enclosing) - 在嵌套函数中
- 全局(Global) - 在模块级别
- 内置(Built-in) - Python内置名称
x = 10 # 全局变量
def foo():
y = 20 # 局部变量
print(x, y)
foo() # 10 20
使用global关键字可以在函数内修改全局变量:
x = 10
def change_x():
global x
x = 20
change_x()
print(x) # 20
6. Lambda函数
匿名函数,使用lambda关键字创建:
square = lambda x: x ** 2
square(5) # 25
常用于需要函数对象的地方,如排序:
points = [(1, 2), (3, 1), (5, 4)]
points.sort(key=lambda point: point[1]) # 按y坐标排序
7. 函数注解
Python 3+支持函数注解,用于说明参数和返回值的类型(仅文档用途,不强制执行):
def add(a: int, b: int) -> int:
return a + b
8. 递归函数
函数可以调用自身:
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
factorial(5) # 120
9. 高阶函数
接受函数作为参数或返回函数的函数:
def apply(func, x):
return func(x)
apply(lambda x: x * 2, 5) # 10
10. 闭包
内部函数可以记住外部函数的作用域:
def outer(x):
def inner(y):
return x + y
return inner
add5 = outer(5)
add5(3) # 8
11. 装饰器
用于修改或增强函数行为:
def my_decorator(func):
def wrapper():
print("函数执行前")
func()
print("函数执行后")
return wrapper
@my_decorator
def say_hello():
print("Hello!")
say_hello()
12. 生成器函数
使用yield返回一个生成器:
def count_up_to(max):
count = 1
while count <= max:
yield count
count += 1
counter = count_up_to(5)
13. 内置函数
Python有许多内置函数,如len(), print(), range(), map(), filter(), zip()等。
最佳实践
- 函数应该只做一件事
- 保持函数简短
- 使用有意义的函数名
- 限制参数数量(通常不超过3-4个)
- 使用文档字符串说明函数用途
函数是Python编程的核心概念,掌握它们对于编写清晰、模块化和可维护的代码至关重要。
“注释是写给六个月后的自己看的,因为那时候你已经不记得自己当初有多聪明了。”
敲代码一定要加注释,就像看完文章要点赞一样
顺便收藏加个关注看官
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)