Python初学者指南:深入理解函数机制与应用
2025-06-09 07:43:37作者:何举烈Damon
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,用于执行特定任务。函数可以接受输入(参数)并返回输出(结果),这种封装特性使得代码更加模块化和可维护。
函数的核心价值
- DRY原则(Don't Repeat Yourself):避免代码重复,提高复用性
- 代码整洁:消除冗余,使程序结构更清晰
- 功能抽象:将复杂操作封装为简单接口
- 调试便利:隔离问题范围,便于测试和维护
函数定义与调用
Python中使用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 Learner!")
greet_user() # 调用函数
返回值机制
函数通过return语句返回结果,执行到return时函数立即终止:
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
形参与实参的区别
- 形参(Parameter):函数定义时声明的变量
- 实参(Argument):调用函数时传入的具体值
def multiply(a, b): # a和b是形参
return a * b
product = multiply(3, 5) # 3和5是实参
常见参数错误
初学者常犯的缩进错误示例:
# 错误示例:return缩进不当
def sum_odds(numbers):
total = 0
for num in numbers:
if num % 2 == 1:
total += num
return total # 错误:在循环内返回
# 正确写法
def sum_odds(numbers):
total = 0
for num in numbers:
if num % 2 == 1:
total += num
return total # 正确:完成循环后返回
高级参数特性
默认参数
为参数指定默认值,增加函数灵活性:
def power(base, exponent=2):
"""计算幂,默认计算平方"""
return base ** exponent
print(power(3)) # 使用默认指数2,输出9
print(power(3, 3)) # 指定指数3,输出27
关键字参数
通过参数名指定值,不受位置限制:
def create_user(name, age, role='user'):
print(f"创建用户:{name}, 年龄:{age}, 角色:{role}")
create_user(age=25, name="Alice") # 参数顺序不影响
变量作用域规则
Python有明确的变量作用域划分:
- 局部变量:函数内定义的变量,仅在函数内有效
- 全局变量:函数外定义的变量,全局可访问
- global关键字:在函数内修改全局变量
count = 0 # 全局变量
def increment():
global count # 声明使用全局变量
count += 1
increment()
print(count) # 输出1
函数文档与最佳实践
良好的文档是专业代码的标志:
def quadratic(a, b, c, x):
"""
计算二次方程的值
参数:
a, b, c: 方程系数
x: 自变量值
返回:
二次方程计算结果
"""
return a*x**2 + b*x + c
print(quadratic.__doc__) # 查看函数文档
可变参数处理
*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 record_scores(student, *scores, **details):
print(f"学生: {student}")
print(f"各科成绩: {scores}")
print(f"附加信息: {details}")
record_scores("张三", 85, 92, 78, class="三年二班", teacher="李老师")
列表/字典解包
使用*和**运算符解包序列:
def draw_chart(x, y, z):
print(f"绘制3D坐标点: ({x}, {y}, {z})")
point = [2, 3, 4]
draw_chart(*point) # 解包列表作为参数
参数顺序规范
定义函数时推荐参数顺序:
- 必须的位置参数
- 可变位置参数(*args)
- 默认参数
- 可变关键字参数(**kwargs)
def example(a, b, *args, default=10, **kwargs):
pass
实战建议
- 函数命名:使用动词短语,如
calculate_average()而非average() - 单一职责:每个函数只做一件事并做好
- 参数验证:对关键参数进行类型或值检查
- 错误处理:考虑可能的异常情况
- 适度注释:解释为什么这么做,而非怎么做(代码本身应清晰)
通过掌握这些函数核心概念,您将能够构建更加健壮、可维护的Python应用程序。函数作为代码复用的基本单元,其良好设计将显著提升您的开发效率。
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
最新内容推荐
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++
859
1.94 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
446
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 K
620
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
637
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
255