Python函数参数规则与解包技巧详解(基于pytips项目)
2025-06-10 08:35:16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
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0124AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
229
2.28 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
72

暂无简介
Dart
527
116

仓颉编程语言运行时与标准库。
Cangjie
122
91

React Native鸿蒙化仓库
JavaScript
215
289

Ascend Extension for PyTorch
Python
70
101

🎉 (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
990
586

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++
567
102

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
400