Python初学者指南:深入理解Python函数机制
2025-06-09 16:00:24作者:薛曦旖Francesca
函数基础概念
函数是Python编程中最重要的构建块之一,它是一段可重复使用的代码块,能够接受输入(参数)并返回输出(返回值)。理解函数的工作原理对于编写高效、可维护的Python代码至关重要。
函数的核心价值
- DRY原则(Don't Repeat Yourself):避免代码重复,提高代码复用性
- 代码组织:将复杂逻辑分解为更小、更易管理的部分
- 抽象能力:隐藏实现细节,只暴露必要的接口
- 调试便利:隔离问题,便于定位和修复错误
函数定义与调用
Python使用def关键字定义函数,遵循snake_case命名规范:
def greet_user():
"""简单的问候函数"""
print("Hello, Python初学者!")
greet_user() # 调用函数
函数返回值
使用return语句可以从函数中返回结果,同时也会终止函数的执行:
def calculate_square(number):
"""计算数字的平方"""
return number ** 2
result = calculate_square(4) # 返回16
参数与参数传递
参数与参数的区别
- 参数(Parameters):函数定义时括号内的变量
- 参数(Arguments):调用函数时实际传入的值
def multiply(a, b): # a和b是参数
return a * b
product = multiply(3, 5) # 3和5是参数
默认参数
可以为参数指定默认值,增加函数灵活性:
def power(base, exponent=2):
"""计算幂次,默认计算平方"""
return base ** exponent
print(power(3)) # 输出9(3的平方)
print(power(3, 3)) # 输出27(3的立方)
关键字参数
通过参数名指定参数值,可以不按顺序传递参数:
def create_user(name, age, country):
return f"{name}, {age}岁, 来自{country}"
# 使用关键字参数调用
user_info = create_user(age=25, country="中国", name="张三")
高级函数特性
可变参数:*args和**kwargs
*args:接收任意数量的位置参数,打包为元组**kwargs:接收任意数量的关键字参数,打包为字典
def student_info(*args, **kwargs):
print("位置参数:", args)
print("关键字参数:", kwargs)
student_info("数学", "物理", name="李四", age=20)
参数顺序规范
定义函数时,参数应遵循以下顺序:
- 普通参数
*args参数- 默认参数
**kwargs参数
def example_func(a, b, *args, name="默认", **kwargs):
pass
作用域规则
Python有明确的作用域规则:
- 局部变量:函数内部定义的变量,只能在函数内访问
- 全局变量:函数外部定义的变量,可以在整个模块访问
global关键字:在函数内修改全局变量nonlocal关键字:在嵌套函数中修改外层函数的变量
count = 0 # 全局变量
def increment():
global count
count += 1
return count
函数文档与最佳实践
良好的文档是高质量代码的重要组成部分:
def calculate_average(numbers):
"""
计算数字列表的平均值
参数:
numbers (list): 包含数字的列表
返回:
float: 输入列表的平均值
示例:
>>> calculate_average([1, 2, 3])
2.0
"""
return sum(numbers) / len(numbers)
常见错误与调试技巧
- 缩进错误:确保return语句在正确的位置
- 参数顺序错误:使用关键字参数避免混淆
- 变量作用域混淆:明确区分局部和全局变量
- 修改可变默认参数:避免将可变对象作为默认值
实际应用示例
列表解包
def sum_numbers(a, b, c):
return a + b + c
numbers = [1, 2, 3]
print(sum_numbers(*numbers)) # 输出6
函数作为参数
def apply_operation(x, y, operation):
return operation(x, y)
def add(a, b):
return a + b
result = apply_operation(5, 3, add) # 输出8
通过掌握这些函数概念和技巧,Python初学者可以编写出更加结构清晰、易于维护的代码。函数是Python编程的基石,深入理解它们将为学习更高级的Python特性打下坚实基础。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
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++
860
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
449
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
622
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
638
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250