当前位置: 首页 > news >正文

12.Python3函数基础:定义、调用与参数传递规则

1.Python3函数:让代码“打包复用”

你是否发现自己在代码中反复写着一模一样的片段?就像每次做饭都要从头切菜洗菜一样,函数就是帮你把这些重复操作打包成固定流程的好帮手。

什么是函数?

想象函数就像一个厨房小家电——你放入食材(输入),它按照预设程序工作,然后给你成品(输出)。你不用关心内部怎么运转,只需要知道怎么使用它

定义你的第一个函数

defsay_hello():print("你好,世界!")print("欢迎来到Python函数的世界")

以上代码中:

  • def是定义函数的关键字,意思是“定义”
  • say_hello是函数名,按你的需求起名
  • 括号()目前空着,后面会放参数
  • 冒号:表示函数内容开始
  • 缩进的代码就是函数体,是函数具体要做的事

调用函数——让它真正工作

# 定义函数defsay_hello():print("你好,世界!")print("欢迎来到Python函数的世界")# 调用函数三次say_hello()say_hello()say_hello()

运行这段代码,你会发现同样的问候语出现了三次,但你只写了一次逻辑——这就是函数的复用价值

让函数更灵活:添加参数

固定的问候太单调,让我们个性化一点:

defgreet_person(name):print(f"你好,{name}!")print("今天过得怎么样")# 调用时传入不同名字greet_person("小明")greet_person("小美")

现在每次调用都能问候不同的人,name就是参数,像函数的“输入插槽”

函数返回值——得到结果

很多时候我们需要函数计算后给我们一个结果:

defadd_numbers(a,b):result=a+breturnresult# 接收返回值sum_result=add_numbers(5,3)print(f"5加3等于{sum_result}")

return就像函数的“输出口”,把结果送出来供你使用

初学者常犯的错误:

# ❌ 错误写法:调用在前,定义在后say_hello()# 这里会报错!defsay_hello():print("你好")# ✅ 正确写法:定义在前,调用在后defsay_hello():print("你好")say_hello()# 这样才对

记住,Python是从上往下执行代码的,所以函数定义要在调用之前

动手试试

现在轮到你了,试着写一个函数:

  • 函数名:calculate_area
  • 参数:length(长),width(宽)
  • 功能:计算长方形面积
  • 返回:面积值

2.核心参数类型速览

为了让你一目了然,我整理了一个表格来概括这几种参数:

参数类型关键符号作用说明
位置参数最基础的参数,按顺序传递,必须传值。
默认参数param=value调用时可以省略,使用定义时的默认值。
可变位置参数*args接收任意多个无名参数,打包成元组
可变关键字参数**kwargs接收任意多个有名参数,打包成字典
关键字参数*强制要求调用时必须使用“参数名=值”的形式。

📝 1. 详细解析与代码示例

(1) 位置参数 (Positional Arguments)

这是最常见、最简单的参数。你必须按照函数定义时参数的顺序,依次传入对应数量的值。

defgreet(name,greeting):returnf"{greeting},{name}!"# "Alice" 传给 name, "Hello" 传给 greetingprint(greet("Alice","Hello"))

第一个值给name,第二个给greeting

(2) 默认参数 (Default Arguments)

在定义函数时给参数指定一个默认值。如果调用时不传这个参数,就用默认值;传了就用传入的值。

  • 注意:默认参数必须放在必选参数之后。
  • 避坑:尽量不要使用可变对象(如列表[]或字典{})作为默认值,否则可能会导致奇怪的副作用。
defgreet(name,greeting="Hello"):# greeting 有默认值returnf"{greeting},{name}!"print(greet("Bob"))# 只传一个,使用默认问候语print(greet("Charlie","Hi"))# 两个都传,覆盖默认值
(3) 可变位置参数 (*args)

当你不确定要传多少个参数时使用。在参数名前加一个星号*,函数会把多余的位置参数收集到一个元组中。

defsum_all(*numbers):# numbers 是一个元组 (1, 2, 3, 4)returnsum(numbers)print(sum_all(1,2,3,4))# 可以传任意多个数字
(4) 可变关键字参数 (**kwargs)

用来接收任意多个“关键字=值”的参数。在参数名前加两个星号**,函数会把这些参数收集到一个字典中。

defuser_info(**details):# details 是一个字典 {'name': 'Alice', 'age': 25}forkey,valueindetails.items():print(f"{key}:{value}")user_info(name="Alice",age=25,city="Beijing")
(5) 关键字参数 (Keyword-Only)

*args后面的参数,或者单独使用*分隔的参数,被称为“强制关键字参数”。调用时必须写明参数名,否则会被当作位置参数处理,导致报错。

defcalculate(*,tax_rate,amount):# * 后面的参数必须用关键字传参returnamount*tax_rate# 必须这样调用:calculate(tax_rate=0.1,amount=100)# 如果写成 calculate(0.1, 100) 会报错!
(6) 参数解包 (Unpacking)

这不算是函数定义的参数类型,但在传参时非常有用。你可以使用***将列表/元组、字典解开,作为参数传入函数。

deffunc(a,b,c):print(a,b,c)args_list=func(*args_list)# 解包列表,相当于 func(1, 2, 3)kwargs_dict={'a':1,'b':2,'c':3}func(**kwargs_dict)# 解包字典,相当于 func(a=1, b=2, c=3)

⚖️ 2. 组合使用的规则

在一个函数定义中,你可以混合使用上述参数,但必须严格遵守以下顺序,否则 Python 会报错:

  1. 位置参数(positional)
  2. 默认参数(default)
  3. 可变位置参数(*args)
  4. 关键字参数(keyword-only)
  5. 可变关键字参数(**kwargs)

一个综合示例:

defexample_func(pos1,pos2,default1=0,*args,kw_only,**kwargs):print(f"位置参数:{pos1},{pos2}")print(f"默认参数:{default1}")print(f"可变位置参数 (*args):{args}")print(f"强制关键字参数:{kw_only}")print(f"可变关键字参数 (**kwargs):{kwargs}")# 调用示例example_func(1,2,3,4,5,kw_only="必须指定",extra="额外信息")

3.匿名函数

想象你需要一把一次性螺丝刀——只拧一颗螺丝后就扔掉,不值得买整套工具。匿名函数就是这样的“一次性工具函数”,没有正式名字,定义后立即使用或传递给其他函数

匿名函数使用lambda关键字定义,语法:

lambda 参数: 表达式

对比普通函数,匿名函数的特点:

  • 没有def和函数名

  • 只有一行表达式

  • 自动返回表达式结果,无需return

    对比两种写法
    # 普通函数写法 def add_regular(x, y): return x + y # 匿名函数写法 add_lambda = lambda x, y: x + y # 两种方式效果相同 print(add_regular(3, 5)) # 输出 8 print(add_lambda(3, 5)) # 输出 8

函数让代码变得更简洁、更易维护,就像把杂乱的工具整理进工具箱,需要时随时取用

Python 的参数是函数调用时被传进去的值

匿名函数的限制

# ❌ 不能有多条语句# lambda x: print(x); return x * 2 # 错误!# ✅ 但可以使用条件表达式grade_check=lambdascore:"优秀"ifscore>=90else"及格"ifscore>=60else"不及格"print(grade_check(95))# 输出 "优秀"print(grade_check(75))# 输出 "及格"

匿名函数只能包含单个表达式,但可以使用三元条件表达式实现简单逻辑

总结:

1.用def定义函数、通过return返回值,理解函数成为代码复用的基石

2.参数篇深入探讨各种参数类型:基础的位置参数、灵活的默认参数,到强大的*args和**kwargs,再到精确控制的关键字参数。记住那个关键顺序:位置→默认→可变位置→关键字→可变关键字

3.匿名函数则让我们看到了代码的另一种可能性——简洁的lambda表达式

http://www.jsqmd.com/news/150248/

相关文章:

  • INT8精度校准全攻略:在TensorRT中实现无损压缩
  • 2025年湖州短视频运营公司推荐:逸领科技以爆款IP打造与矩阵获客技术领跑制造业短视频推广新浪潮 - 品牌企业推荐师(官方)
  • 自动驾驶感知模型:如何通过TensorRT实现实时响应
  • 电商客服机器人提速秘诀:集成TensorRT推理引擎
  • kubuntu安装迅雷
  • 批处理优化技巧:最大化TensorRT的GPU利用率
  • TensorRT与Kafka消息队列集成实现异步推理
  • VLLM学习-推理阶段generate
  • 灰度发布策略:平稳上线TensorRT优化后的模型
  • Docker容器化部署:轻松运行TensorRT镜像环境
  • Java毕设项目推荐-基于springboot的校园二手交易平台闲置物品 旧课本、笔记本电脑、健身器材、生活用品【附源码+文档,调试定制服务】
  • 【多智能体控制】有向图下含未知输入领导者的多智能体系统分布式二分时变队形控制研究附Matlab代码
  • 无需重训练!使用TensorRT镜像直接优化已有模型
  • 当代糊弄学巅峰:如何用AI写完你的年终总结,并让你老板热泪盈眶
  • 回滚策略制定:当优化失败时快速恢复原始模型
  • [Quicker] 窗口便利贴 - 源码归档
  • 一、绪论
  • Java毕设选题推荐:基于springboot+vue二手交易平台基于springboot的校园二手交易平台【附源码、mysql、文档、调试+代码讲解+全bao等】
  • 推荐使用模拟器登录手机豆包使用
  • 告别高延迟!用TensorRT镜像优化你的LLM推理流程
  • 2025年厦门优质的船用防浪阀企业口碑排行,船用安全阀/船用防浪阀/船用疏水阀/船用空气管头/船用减压阀源头厂家有哪些 - 品牌推荐师
  • django基于深度学习的酒店评论文本情感分析研究系统设计实现
  • 日志追踪与监控:构建完整的TensorRT可观测体系
  • 【神经网络】人工神经网络ANN
  • GPU算力变现新路径:结合TensorRT镜像提供高性能推理服务
  • 当系统不断演进,为什么 Java 依然是长期可维护性的首选语言
  • 版本控制系统:管理不同迭代的TensorRT模型包
  • 实验7作业
  • 2025年洁净室净化板厂家推荐:江苏言信环境科技引领,六大核心净化板材(玻镁/铝蜂窝/模块化/手工岩棉等)技术优势与选购权威解析 - 品牌企业推荐师(官方)
  • 2025年卷材打印机厂家权威推荐:深圳易龙三维科技开发有限公司领衔,十大高精度数码卷材打印设备深度解析与选购指南 - 品牌企业推荐师(官方)