Python零基础入门-4 使用函数减少重复操作

简介: Python零基础入门-4 使用函数减少重复操作

一、函数作用

代码出现大量重复操作时,考虑将操作重构为函数(Functions)。

例如,我们想做一个记账本,记录日期、地点和消费内容及金额。

不用函数时,我们要这样写:

print("5月10号")
print("去水果店")
print("买苹果,花费5.2元")
print("5月11号")
print("去水果店")
print("买橘子,花费6元")
print("5月12号")
print("去超市")
print("买牛奶,花费60元")

看起来很多重复的地方,我们把核心内容抽象出来,然后封装成函数。

记录日期、地点和消费内容及金额,这些内容会改变,我们把它们作为参数传递给函数((date, place, item, price)作为参数传入函数)。

def record_consume(date, place, item, price):
    print(date)
    print(f"去{place}")
    print(f"买{item},花费{price}元")
record_consume("5月10日", "水果店", "苹果", 5.2)
record_consume("5月11日", "水果店", "橘子", 6)
record_consume("5月12日", "超市", "牛奶", 60)

定义函数后,我们只需要用函数名(参数)方式调用

(record_consume("5月10日", "水果店", "苹果", 5.2))。

二、函数定义

2.1 函数的定义和调用

def record_consume(date, place, item, price):
    """记账函数,传入参数日期,地点,物品,价格"""
    print(date)
    print(f"去{place}")
    print(f"买{item},花费{price}元")
record_consume("5月10日", "水果店", "苹果", 5.2)


可以看出函数定义的语法:

定义 函数使用关键字 def,后跟函数名与括号内的形参列表。函数语句从下一行开始,并且有4空格缩进。

def 函数名(参数列表):
    函数内容

函数内的第一条语句是字符串时,该字符串就是文档字符串,也称为 docstring,利用文档字符串可以自动生成文档,还可以让开发者在浏览代码时直接查阅文档;最好养成在代码中加入文档字符串的好习惯。


函数执行的过程:

有实际值的实参 传递给 函数中形式上占位的参数(形参


具体细节:(初次阅读时可跳过)

函数在 执行 时使用函数局部变量符号表,所有函数变量赋值都存在局部符号表中。

引用变量的查找顺序从从内到外的。首先,在局部符号表里查找变量,然后,是外层函数局部符号表,再是全局符号表,最后是内置名称符号表。因此,尽管可以引用全局变量和外层函数的变量,但最好不要在函数内直接赋值(除非是 global 语句定义的全局变量,或 nonlocal 语句定义的外层函数变量)。


在调用函数时会将实际参数(实参)引入到被调用函数的局部符号表中;因此,实参是使用 按值调用 来传递的(该值 是对象的 引用 而不是对象的值)。1当一个函数调用另外一个函数时,会为该调用创建一个新的局部符号表。


上面我们定义了一个没有返回值的函数,

下面来看一个有返回值的函数,该函数使用return 返回一个列表。

def distance_to_avg(scores):
    """计算到平均值的差值"""
    avg = sum(scores) / len(scores)
    return [x - avg for x in scores]
scores = [90, 80, 70, 80, 90]
distances = distance_to_avg(scores) # 将返回的列表赋值给distances变量
print(distances)

2.2 函数参数

2.2.1 默认值参数

如果参数中某些值通常固定,可以为它设置默认值。

语法:

def 函数名(必选参数,默认值参数=默认值):

例如:我们有一个计算列表均值或总和的函数,我们通常使用均值功能,因此将mood设置默认值为‘avg’。

def calculate_list_sta(list_a, mood='avg'):
    if mood == 'avg':
        return sum(list_a) / len(list_a)
    elif mood == 'sum':
        return sum(list_a)
    else:
        return -1

调用时默认模式就是'avg',只有模式不是'avg'的时候需要传mood参数。

scores = [90, 80, 70, 80, 90]
avg = calculate_list_sta(scores)
s = calculate_list_sta(scores,"sum")
print(avg,s)

关于默认值的细节:

默认值在定义作用域里的函数定义中求值:

i = 5
def f(arg=i):
    print(arg)
i = 6
f()  # 5

默认值只计算一次,使用列表、字典等可变对象时,会产生累积效果。

def f(a, L=[]):
    L.append(a)
    return L
print(f(1)) #[1]
print(f(2)) #[1, 2]
print(f(3)) #[1, 2, 3]

调用f(2)的时候,L不再赋值为[],而是使用已有的L=[1]。

如果不想在后续调用之间共享默认值,应该使用下面方法:

def f(a, L=None):
    if L is None:
        L = []
    L.append(a)
    return L

默认值为None,在函数内赋值[]。

2.2.2 关键字参数

可用key=value 形式关键字参数调用函数。

例如:

print(calculate_list_sta(scores, 'sum'))
print(calculate_list_sta(list_a=scores, mood='sum'))
print(calculate_list_sta(mood='sum', list_a=scores))
print(calculate_list_sta(mood='sum',scores)) # 错误,位置参数必须在关键字参数前

2.2.3 *name 和 **name形式参数

*name 接收一个元组,该元组包含形参列表之外的参数。

**name接收一个字典。

def cheeseshop(kind, *arguments, **keywords):
    print("-- Do you have any", kind, "?")
    print("-- I'm sorry, we're all out of", kind)
    for arg in arguments:
        print(arg)
    print("-" * 40)
    for kw in keywords:
        print(kw, ":", keywords[kw])
cheeseshop("Limburger", "It's very runny, sir.",
           "It's really very, VERY runny, sir.",
           shopkeeper="Michael Palin",
           client="John Cleese",
           sketch="Cheese Shop Sketch")

"Limburger"传给kind,剩下的被传给*arguments,下面三行的key=value形式被当成字典,传给**keywords。

-- Do you have any Limburger ?
-- I'm sorry, we're all out of Limburger
It's very runny, sir.
It's really very, VERY runny, sir.
----------------------------------------
shopkeeper : Michael Palin
client : John Cleese
sketch : Cheese Shop Sketch

2.2.4 特殊参数

通常,参数传递有上面的两种方式,位置参数,关键字参数。

通过/和*标记,可以限制传参方式。

/前面仅限位置参数,

*后面仅限关键字参数

def standard_arg(arg):
    print(arg)
standard_arg(2)
standard_arg(arg=2)
def pos_only_arg(arg, /):
    print(arg)
pos_only_arg(1)
pos_only_arg(arg=1)    #报错,只能通过位置传参,不能用关键字传参
def kwd_only_arg(*, arg):
    print(arg)
kwd_only_arg(3)     #报错,只能关键字传参
kwd_only_arg(arg=3)
# /前面仅位置传参,*后面仅关键字,standard不受约束
def combined_example(pos_only, /, standard, *, kwd_only):
    print(pos_only, standard, kwd_only)
combined_example(1, 2, kwd_only=3)  
combined_example(1, standard=2, kwd_only=3)

限制传参方式可以避免潜在的传参冲突问题:

def foo(name, **kwds):
    return 'name' in kwds
foo(1, **{'name': 2}) # 冲突,1会先传递给name,{'name':2}会以关键字方式再传递给name

使用位置限定就可以避免,现在name只能从通过位置参数传递。

def foo(name, /, **kwds):
    return 'name' in kwds
print(foo(1, **{'name': 2}))

2.2.5 任意实参列表

*arg可以传递可变数量的实参。

def write_multiple_items(file, separator, *args):
    file.write(separator.join(args))

通常,可变参数*arg放在最后。因为它会把剩余的参数全部读入。*arg后面的只能是关键字参数。

def concat(*args, sep="/"):
    return sep.join(args)
concat("earth", "mars", "venus")
concat("earth", "mars", "venus", sep=".")

2.3 解包实参列表

使用*解包(unpack),将参数从列表中取出:

list(range(3, 6))            # 正常调用,使用两个参数
args = [3, 6]
list(range(*args))            # 使用解包(unpack),两个参数从列表中取出

同样,字典可以用 ** 操作符传递关键字参数:

def parrot(voltage, state='a stiff', action='voom'):
    print("-- This parrot wouldn't", action, end=' ')
    print("if you put", voltage, "volts through it.", end=' ')
    print("E's", state, "!")
d = {"voltage": "four million", "state": "bleedin' demised", "action": "VOOM"}
parrot(**d)

2.4 Lambda 表达式

lambda 关键字用于创建小巧的匿名函数。例如:lambda a, b: a+b 函数返回两个参数的和。在语法上,它只能是单个表达式。在语义上,它只是常规函数的语法糖。

最常见的用法是用在排序中,将其作为排序的关键字函数。

pairs = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
pairs.sort(key=lambda pair: pair[1])
pairs

三、提升函数可读性

3.1 文档字符串

文档字符串用来说明对象用途。

第一行为摘要。大写字母开头,句号结尾。

第二行空白。

后面可以包含若干段落,描述对象的使用等。

def my_function():
    """Do nothing, but document it.
    No, really, it doesn't do anything.
    """
    pass
print(my_function.__doc__)
#输出:
Do nothing, but document it.
    No, really, it doesn't do anything.

3.2 函数注解

注解(annotations)用来说明数据类型。以字典形式存放在函数的__annotations__属性中,不会影响函数的其他部分。

语法:形参后跟:标注参数类型,参数列表后用 -> 返回值类型。

def 函数名(形参: 参数类型, 关键字参数: 参数类型 = '默认值') -> 返回值类型:
def f(ham: str, eggs: str = 'eggs') -> str:
    print("Annotations:", f.__annotations__)
    print("Arguments:", ham, eggs)
    return ham + ' and ' + eggs


3.3 编码风格

当代码变长、变复杂时,统一、可读性高的编码风格非常重要。

PEP 8 (Python Enhancement Proposal,python增强建议)是Python风格指南。内容比较多,可以去官网查看:https://peps.python.org/pep-0008/ 后面我也会整理一部分常用的。

另外补充一个技巧,如果你用的是PyCharm,可以通过Reformat(快捷键:ctrl+alt+enter)进行格式化代码,优化代码排版。



本文思维导图:


相关文章
|
3天前
|
数据库 开发者 Python
实战指南:用Python协程与异步函数优化高性能Web应用
【7月更文挑战第15天】Python的协程与异步函数优化Web性能,通过非阻塞I/O提升并发处理能力。使用aiohttp库构建异步服务器,示例代码展示如何处理GET请求。异步处理减少资源消耗,提高响应速度和吞吐量,适用于高并发场景。掌握这项技术对提升Web应用性能至关重要。
23 10
Python函数:函数的定义和调用
本文详细介绍了Python函数的定义和调用方法,包括基本函数定义、参数传递、返回值、文档字符串、作用域、嵌套函数和闭包。通过一个综合详细的学生成绩管理系统的例子,我们展示了如何在实际编程中应用这些函数概念。希望本文对您理解和应用Python函数有所帮助。
|
3天前
|
数据处理 Python
深入探索:Python中的并发编程新纪元——协程与异步函数解析
【7月更文挑战第15天】Python 3.5+引入的协程和异步函数革新了并发编程。协程,轻量级线程,由程序控制切换,降低开销。异步函数是协程的高级形式,允许等待异步操作。通过`asyncio`库,如示例所示,能并发执行任务,提高I/O密集型任务效率,实现并发而非并行,优化CPU利用率。理解和掌握这些工具对于构建高效网络应用至关重要。
16 6
|
3天前
|
大数据 数据处理 API
性能飞跃:Python协程与异步函数在数据处理中的高效应用
【7月更文挑战第15天】在大数据时代,Python的协程和异步函数解决了同步编程的性能瓶颈问题。同步编程在处理I/O密集型任务时效率低下,而Python的`asyncio`库支持的异步编程利用协程实现并发,通过`async def`和`await`避免了不必要的等待,提升了CPU利用率。例如,从多个API获取数据,异步方式使用`aiohttp`并发请求,显著提高了效率。掌握异步编程对于高效处理大规模数据至关重要。
16 4
|
1天前
|
SQL 分布式计算 DataWorks
DataWorks操作报错合集之重新上传后只有SQL无法运行,而Python可以正常运行,是什么导致的?
摘要:DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
|
3天前
|
调度 Python
揭秘Python并发编程核心:深入理解协程与异步函数的工作原理
【7月更文挑战第15天】Python异步编程借助协程和async/await提升并发性能,减少资源消耗。协程(async def)轻量级、用户态,便于控制。事件循环,如`asyncio.get_event_loop()`,调度任务执行。异步函数内的await关键词用于协程间切换。回调和Future对象简化异步结果处理。理解这些概念能写出高效、易维护的异步代码。
12 2
|
3天前
|
Python
从零到一:构建Python异步编程思维,掌握协程与异步函数
【7月更文挑战第15天】Python异步编程提升效率,通过协程与异步函数实现并发。从async def定义异步函数,如`say_hello()`,使用`await`等待异步操作。`asyncio.run()`驱动事件循环。并发执行任务,如`asyncio.gather()`同时处理`fetch_data()`任务,降低总体耗时。入门异步编程,解锁高效代码。
15 1
|
4天前
|
缓存 测试技术 Python
Python中的装饰器:优雅地增强函数功能
在Python编程中,装饰器是一种强大的工具,它能够在不改变函数本身的情况下,动态地增强其功能。本文将深入探讨装饰器的工作原理、常见用法以及如何利用装饰器提高代码的可重用性和可维护性。
|
5天前
|
资源调度 计算机视觉 Python
`scipy.ndimage`是SciPy库中的一个子模块,它提供了许多用于处理n维数组(通常是图像)的函数。
`scipy.ndimage`是SciPy库中的一个子模块,它提供了许多用于处理n维数组(通常是图像)的函数。
|
5天前
|
Python
`scipy.signal`模块是SciPy库中的一个子模块,它提供了信号处理、滤波、频谱分析等功能。这个模块包含了许多用于信号处理的函数和类,其中`butter()`和`filtfilt()`是两个常用的函数。
`scipy.signal`模块是SciPy库中的一个子模块,它提供了信号处理、滤波、频谱分析等功能。这个模块包含了许多用于信号处理的函数和类,其中`butter()`和`filtfilt()`是两个常用的函数。