函数作用：把一些复杂的代码封装起来，函数一般都是一个功能，用的时候才调用，提高重复利用率和简化程序结构。
5.1 语法
|
1
2
3
|
def
functionName(parms1, parms2, ...):
code block
return
expression
|
函数以def关键字开头，空格后跟函数名，括号里面是参数，用于传参，函数代码段里面引用。
5.2 函数定义与调用
|
1
2
3
4
5
6
7
8
9
|
# 定义函数
>>>
def
func():
...
print
"Hello world!"
...
return
"Hello world!"
...
# 调用函数
>>> func()
Hello world!
'Hello world!'
|
当我们定义好函数，是不执行的，没有任何输出。当输入函数名后跟双小括号才会执行函数里写的代码。
顺便说下print和return区别：
有没有点奇怪！为什么print和return输出一样呢，return就加个单引号，貌似也没啥明显区别啊！其实在解释器下所有的结果都会输出的。
先了解下return作用：结束函数，并返回一个值。如果不跟表达式，会返回一个None。
好，那么我们深入了解下他们区别，举个例子，写个py程序：
|
1
2
3
4
5
6
7
|
#!/usr/bin/env python
def
func():
print
"1: Hello world!"
return
"2: Hello world!"
func()
# python test.py
1
: Hello world!
|
明白点了嘛？print是打印对象的值，而return是返回对象的值。也就是说你return默认是将对象值存储起来，要想知道里面的值，可以用print可以打印。
|
1
2
3
4
5
6
7
8
|
#!/usr/bin/env python
def
func():
print
"1: Hello world!"
return
"2: Hello world!"
print
func()
# python test.py
1
: Hello world!
2
: Hello world!
|
为什么函数里面不用print就在这里，往往我们定义一个函数是不需要打印的，而是交给其他代码去处理这个函数返回值。当然，print在调试函数代码时会起到很好的帮助。
5.3 函数参数
5.3.1 接受参数
|
1
2
3
4
5
6
7
8
9
|
>>>
def
func(a, b):
...
print
a
+
b
...
>>> func(
1
,
2
)
3
>>> func(
1
,
2
,
3
)
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
TypeError: func() takes exactly
2
arguments (
3
given)
|
a和b可以理解为是个变量，可由里面代码块引用。调用函数时，小括号里面的表达式数量要对应函数参数数量，并且按传参按位置赋予函数参数位置。如果数量不对应，会抛出TypeError错误。
当然，函数参数也可以是数组：
|
1
2
3
4
5
6
7
|
>>>
def
func(a):
...
print
a
...
>>> func([
1
,
2
,
3
])
[
1
,
2
,
3
]
>>> func({
'a'
:
1
,
'b'
:
2
})
{
'a'
:
1
,
'b'
:
2
}
|
如果不想一一对应传参，可以指定参数值：
|
1
2
3
4
5
|
>>>
def
func(a,b):
...
print
a
+
b
...
>>> func(b
=
2
,a
=
1
)
3
|
5.3.2 函数参数默认值
参数默认值是预先定义好，如果调用函数时传入了这个值，那么将以传入的为实际值，否则是默认值。
|
1
2
3
4
5
6
7
|
>>> def func(a, b=2):
... print a + b
...
>>> func(1)
3
>>> func(1, 3)
4
|
5.3.3 接受任意数量参数
上面方式固定了参数多个，当不知道多少参数时候可以用以下方式。
单个星号使用：
|
1
2
3
4
5
|
>>>
def
func(
*
a):
...
print
a
...
>>> func(
1
,
2
,
3
)
(
1
,
2
,
3
)
|
单个星号存储为一个元组。
两个星号使用：
|
1
2
3
4
5
|
>>>
def
func(
*
*
a):
...
print
a
...
>>> func(a
=
1
, b
=
2
, c
=
3
)
{
'a'
:
1
,
'c'
:
3
,
'b'
:
2
}
|
两个星号存储为一个字典。可见它们都是以数组的形式传入。
你也许在查资料的时候，会看到这样写的函数参数（*args, **kwargs），与上面只是名字不一样罢了 ：
|
1
2
3
4
5
6
7
|
>>>
def
func(
*
args,
*
*
kwargs):
...
print
args
...
print
kwargs
...
>>> func(
1
,
2
,
3
,a
=
1
,b
=
2
,c
=
3
)
(
1
,
2
,
3
)
{
'a'
:
1
,
'c'
:
3
,
'b'
:
2
}
|
与普通参数一起使用：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
>>>
def
func(a, b,
*
c):
...
print
a
+
b
...
print
c
...
>>> func(
1
,
2
,
3
,
5
,
6
)
3
(
3
,
5
,
6
)
>>>
def
func(a, b,
*
*
c):
...
print
a
+
b
...
print
c
...
>>> func(
1
,
2
,a
=
1
,b
=
2
,c
=
3
)
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
TypeError: func() got multiple values
for
keyword argument
'a'
>>> func(
1
,
2
,c
=
3
,d
=
4
,e
=
5
)
3
{
'c'
:
3
,
'e'
:
5
,
'd'
:
4
}
|
抛出异常，是因为传入的第一个参数1，和第三个参数a=1，都认为是传入函数参数a了。请注意下这点。
5.4 作用域
作用域听着挺新鲜，其实很简单，就是限制一个变量或一段代码可用范围，不在这个范围就不可用。提高了程序逻辑的局部性，减少名字冲突。
作用域范围一般是：全局（global）->局部（local）->内置（build-in）
先看看全局和局部变量：
|
1
2
3
4
5
6
7
8
9
10
|
>>> a
=
2
>>>
def
func():
... b
=
3
...
>>> a
2
>>> b
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
NameError: name
'b'
is
not
defined
|
a变量的作用域是整个代码中有效，称为全局变量，也就是说一段代码最开始定义的变量。
b变量的作用域在函数内部，也就是局部变量，在函数外是不可引用的。
这么一来，全局变量与局部变量即使名字一样也不冲突。
如果函数内部的变量也能在全局引用，需要使用global声明：
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>
def
func():
...
global
b
... b
=
3
...
>>> b
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
NameError: name
'b'
is
not
defined
>>> func()
>>> b
3
|
有报错，说明一个问题，当函数没引用使用，里面的代码块是没有解释的。
使用global声明变量后外部是可以调用函数内部的变量的。
5.5 嵌套函数
1）不带参数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
>>>
def
func():
... x
=
2
...
def
func2():
...
return
x
...
return
func2
# 返回func2函数
...
>>> func()()
2
>>> func2()
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
NameError: name
'func2'
is
not
defined
>>>
def
func():
... x
=
2
...
global
func2
...
def
func2():
...
return
x
...
return
func2
...
>>> func()()
2
>>> func2()
2
|
内层函数可以访问外层函数的作用域。内嵌函数只能被外层函数调用，但也可以使用global声明全局作用域。
调用内部函数的另一种用法：
2）带参数
|
1
2
3
4
5
6
7
8
9
10
|
>>>
def
func(a):
...
def
func2(b):
...
return
a
*
b
...
return
func2
...
>>> f
=
func(
2
)
# 变量指向函数。是的，变量可以指向函数。
>>> f(
5
)
10
>>> func(
2
)(
5
)
10
|
内层函数可以访问外层函数的作用域 。但变量不能重新赋值，举例说明：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
>>>
def
func():
... x
=
2
...
def
func2():
... x
=
3
... func2()
...
return
x
...
>>> func()
2
>>>
def
func():
... x
=
2
...
def
func2():
... x
+
=
1
... func2()
...
return
x
...
>>> func()
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
File
"<stdin>"
, line
5
,
in
func
File
"<stdin>"
, line
4
,
in
func2
UnboundLocalError: local variable
'x'
referenced before assignment
|
5.6 闭包
“官方”的解释是：所谓“闭包”，指的是一个拥有许多变量和绑定了这些变量的环境的表达式（通常是一个函数），因而这些变量也是该表达式的一部分。
其实，上面嵌套函数就是闭包一种方式：
|
1
2
3
4
5
6
7
8
|
>>>
def
func(a):
...
def
func2(b):
...
return
a
*
b
...
return
func2
...
>>> f
=
func(
2
)
# 变量指向函数。是的，变量可以指向函数。
>>> f(
5
)
10
|
func是一个函数，里面又嵌套了一个函数func2，外部函数传过来的a参数，这个变量会绑定到函数func2。func函数以内层函数func2作为返回值，然后把func函数存储到f变量中。当外层函数调用内层函数时，内层函数才会执行（func()()），就创建了一个闭包。
5.7 高阶函数
高阶函数是至少满足这两个任意中的一个条件：
1) 能接受一个或多个函数作为输入。
2）输出一个函数。
abs、map、reduce都是高阶函数，后面会讲解。
其实，上面所讲的嵌套函数也是高阶函数。
举例说明下高阶函数：
|
1
2
3
4
5
6
7
8
|
>>>
def
f(x):
...
return
x
*
x
...
>>>
def
f2(func, y):
...
return
func(y)
...
>>> f2(f,
2
)
4
|
这里的f2就是一个高阶函数，因为它的第一个参数是一个函数，满足了第一个条件。
博客地址：http://lizhenliang.blog.51cto.com
QQ群：Shell/Python运维开发群 323779636
5.8 函数装饰器
装饰器（decorator）本身是一个函数，包装另一个函数或类，它可以让其他函数在不需要改动代码情况下动态增加功能，装饰器返回的也是一个函数对象。
先举一个例子，说明下装饰器的效果，定义两个函数，分别传参计算乘积：
|
1
2
3
4
5
6
7
8
9
10
11
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
f1(a, b):
print
"f1 result: "
+
str
(a
*
b)
def
f2(a, b):
print
"f2 result: "
+
str
(a
*
b)
f1(
1
,
2
)
f2(
2
,
2
)
# python test.py
f1 result:
2
f2 result:
4
|
跟预期的那样，打印出了乘积。
如果我想给这两个函数加一个打印传入的参数，怎么办，应该这样：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
f1(a, b):
print
"f1 parameter: %d %d"
%
(a, b)
print
"f1 result: "
+
str
(a
*
b)
def
f2(a, b):
print
"f2 parameter: %d %d"
%
(a, b)
print
"f2 result: "
+
str
(a
*
b)
f1(
1
,
2
)
f2(
2
,
2
)
# python test.py
f1 parameter:
1
2
f1 result:
2
f2 parameter:
2
2
f2 result:
4
|
按照所想的打印了传入的参数，有没有方法能更简洁点呢，来看看装饰器后的效果。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
deco(func):
def
f(a, b):
print
"%s parameter: %d %d"
%
(func.__name__, a, b)
return
func(a, b)
return
f
@deco
def
f1(a, b):
print
"f1 result: "
+
str
(a
*
b)
@deco
def
f2(a, b):
print
"f2 result: "
+
str
(a
*
b)
f1(
1
,
2
)
f2(
2
,
2
)
# python test.py
f1 parameter:
1
2
f1 result:
2
f2 parameter:
2
2
f2 result:
4
|
可见用装饰器也实现了上面方法，给要装饰的函数添加了装饰器定义的功能，这种方式显得是不是更简洁呢！
好，那么我们继续深入学习装饰器用法。
5.8.1 无参数装饰器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
方式
1
：函装饰器函数装饰函数
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
deco(func):
return
func
def
f1():
print
"Hello world!"
myfunc
=
deco(f1)
myfunc()
# python test.py
Hello world!
方式
2
：使用语法糖
"@"
来装饰函数
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
deco(func):
return
func
@deco
def
f1():
print
"Hello world!"
f1()
# python test.py
Hello world!
|
方式1是将一个函数作为参数传给装饰器函数。
方式2使用了语法糖，也实现同样效果。
其实两种方式结果一样，方式1需要每次使用装饰器时要先变量赋值下，而方式2使用装饰器时直接用语法糖"@"引用，会显得更方便些，实际代码中一般也都是用语法糖。
2）带参数装饰器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
deco(func):
def
f(a, b):
print
"function name: %s"
%
func.__name__
# __name__属性是获取函数名，为了说明执行了这个函数
return
func(a, b)
# 用接受过来的func函数来处理传过来的参数
return
f
@deco
def
f1(a, b):
print
"Hello world!"
print
a
+
b
f1(
2
,
2
)
# python test.py
function name: f1
Hello world!
4
|
3）不固定参数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
log(func):
def
deco(
*
args,
*
*
kwargs):
print
"function name: %s"
%
func.__name__
return
func(
*
args,
*
*
kwargs)
return
deco
@log
def
f1(a, b):
print
"f1() run."
print
a
+
b
f1(
1
,
2
)
# python test.py
function name: f1
f1() run.
3
|
4）装饰器加参数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
# 三层函数，调用log函数返回deco函数，再调用返回的函数deco，则返回值是_deco函数
def
log(arg):
def
deco(func):
def
_deco(
*
args,
*
*
kwargs):
print
"%s - function name: %s"
%
(arg, func.__name__)
return
func(
*
args,
*
*
kwargs)
return
_deco
return
deco
@log(
"info"
)
def
f1(a, b):
print
"f1() run."
print
a
+
b
f1(
1
,
2
)
# python test.py
info
-
function name: f1
f1() run.
3
|
再举一个例子，给函数输出字符串带颜色：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
def
fontColor(color):
begin
=
"\033["
end
=
"\033[0m"
d
=
{
'red'
:
'31m'
,
'green'
:
'32m'
,
'yellow'
:
'33m'
,
'blue'
:
'34m'
}
def
deco(func):
print
begin
+
d[color]
+
func()
+
end
return
deco
@fontColor(
"red"
)
def
f():
return
"Hello world!"
@fontColor(
"green"
)
def
f2():
return
"Hello world!"
|
可以看出装饰器处理方式满足了高阶函数的条件，所以装饰器也是一种高阶函数。
优点：灵活给装饰器增加功能，而不修改函数，提高代码可重复利用性，增加可读性。
5.9 匿名函数
匿名函数：定义函数的一种形式，无需定义函数名和语句块，因此代码逻辑会受到局限，同时也减少代码量，增加可读性。
在Python中匿名函数是lambda。
举例子说明def关键字与lambda函数定义函数区别：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 普通函数
>>>
def
func():
...
return
"Hello world!"
...
>>> func()
>>>
def
func(a, b):
...
return
a
*
b
...
>>> func(
2
,
2
)
4
# 匿名函数
>>> f
=
lambda
:
"Hello world!"
>>> f()
'Hello world!'
>>> f
=
lambda
a, b: a
*
b
# 冒号左边是函数参数，右边是返回值
>>> f(
2
,
2
)
4
|
lambda函数一行就写成一个函数功能，省去定义函数过程，让代码更加精简。
5.10 内置高阶函数
5.10.1 map()
语法：map(function, sequence[, sequence, ...]) -> list
将序列中的元素通过函数处理返回一个新列表。
例如：
|
1
2
3
|
>>> lst
=
[
1
,
2
,
3
,
4
,
5
]
>>>
map
(
lambda
x:
str
(x)
+
".txt"
, lst)
[
'1.txt'
,
'2.txt'
,
'3.txt'
,
'4.txt'
,
'5.txt'
]
|
5.10.2 filter()
语法：filter(function or None, sequence) -> list, tuple, or string
将序列中的元素通过函数处理返回一个新列表、元组或字符串。
例如：过滤列表中的奇数
|
1
2
3
|
>>> lst
=
[
1
,
2
,
3
,
4
,
5
]
>>>
filter
(
lambda
x:x
%
2
=
=
0
, lst)
[
2
,
4
]
|
5.10.3 reduce()
语法：reduce(function, sequence[, initial]) -> value
reduce()是一个二元运算函数，所以只接受二元操作函数。
例如：计算列表总和
|
1
2
3
|
>>> lst
=
[
1
,
2
,
3
,
4
,
5
]
>>>
reduce
(
lambda
x,y:x
+
y, lst)
15
|
先将前两个元素相加等于3，再把结果与第三个元素相加等于6，以此类推。这就是reduce()函数功能。
本文转自 李振良OK 51CTO博客，原文链接：http://blog.51cto.com/lizhenliang/1856793，如需转载请自行联系原作者
