Python函数参数规则与解包技巧详解(基于pytips项目)
2025-06-10 14:33:23作者:邵娇湘
函数参数的基本规则
Python函数的参数处理机制非常灵活,理解其工作原理对于编写优雅的Python代码至关重要。在Python中,函数参数可以分为几种不同的形式:
1. 参数声明形式
-
必需参数:没有默认值的参数,调用时必须提供
def func(a): pass -
默认参数:带有默认值的参数,调用时可省略
def func(a, b=1): pass -
可变位置参数:接收任意数量的位置参数
def func(a, b=1, *c): pass -
可变关键字参数:接收任意数量的关键字参数
def func(a, b=1, *c, **d): pass
2. 调用时的黄金规则
在调用函数时,有两个必须遵守的重要规则:
-
位置参数不能在关键字参数之后出现
def func(a, b=1): pass func(a="G", 20) # 错误!位置参数20出现在关键字参数a="G"之后 -
位置参数优先权
def func(a, b=1): pass func(20, a="G") # 错误!a被位置参数20和关键字参数"G"重复赋值
对于初学者,最安全的做法是全部使用关键字参数调用函数,这样可以避免很多潜在的错误。
灵活的参数处理技巧
1. 可变位置参数(*args)
可变位置参数允许函数接受任意数量的位置参数,这些参数会被收集到一个元组中:
def concat(*lst, sep="/"):
return sep.join(str(i) for i in lst)
print(concat("G", 20, "@", "Hz", sep="")) # 输出: G20@Hz
这里需要注意,sep参数必须明确使用关键字指定,不能通过位置传递:
print(concat("G", 20, "-")) # 输出: G/20/- 而不是 G-20
2. 可变关键字参数(**kwargs)
可变关键字参数允许函数接受任意数量的关键字参数,这些参数会被收集到一个字典中:
def dconcat(sep=":", **dic):
for k, v in dic.items():
print(f"{k}{sep}{v}")
dconcat(hello="world", python="rocks", sep="~")
# 输出:
# hello~world
# python~rocks
解包(Unpacking)的高级用法
Python 3.5引入了更强大的解包特性,使得*和**操作符可以在更多场景中使用。
1. 基本解包操作
print(*range(5)) # 输出: 0 1 2 3 4
lst = [0, 1, 2, 3]
print(*lst) # 输出: 0 1 2 3
a = (*range(3),) # 注意这里的逗号不能省略
print(a) # 输出: (0, 1, 2)
2. 字典解包
字典解包可以优雅地合并多个字典:
user = {'name': "Trey", 'website': "http://treyhunner.com"}
defaults = {'name': "Anonymous User", 'page_name': "Profile Page"}
print({**defaults, **user})
# 输出: {'page_name': 'Profile Page', 'name': 'Trey', 'website': 'http://treyhunner.com'}
注意:当字典有重复键时,后面的字典值会覆盖前面的。
3. 函数调用中的解包
解包在函数调用中特别有用,可以将序列或字典直接解包为参数:
def concat(*lst, sep="/"):
return sep.join(str(i) for i in lst)
print(concat(*"ILovePython")) # 输出: I/L/o/v/e/P/y/t/h/o/n
实际应用建议
-
API设计:在设计函数接口时,合理使用默认参数和可变参数可以使API更加灵活。
-
参数验证:对于复杂的参数组合,建议在函数开始处添加参数验证逻辑。
-
文档说明:对于接受可变参数的函数,应该在文档字符串中明确说明参数的预期类型和用途。
-
性能考虑:虽然可变参数很方便,但在性能关键的场景中,过多的参数解包可能会带来额外的开销。
掌握这些参数处理技巧,可以让你写出更加Pythonic、更加灵活的代码,提高开发效率和代码可读性。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
278
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K