Python函数参数规则与解包技巧详解
2025-06-10 18:42:43作者:裘旻烁
函数参数的基本形式
Python函数在声明参数时主要有四种形式:
- 不带默认值的参数:
def func(a): pass - 带默认值的参数:
def func(a, b=1): pass - 任意位置参数:
def func(a, b=1, *c): pass - 任意键值参数:
def func(a, b=1, *c, **d): pass
这些参数形式为Python函数提供了极大的灵活性,理解它们的用法是编写高质量Python代码的基础。
函数调用规则
在调用函数时,Python提供了两种参数传递方式:
- 位置参数:
func("G", 20) - 关键字参数:
func(a="G", b=20)
关键字参数的一个优势是不需要考虑参数顺序,例如func(b=20, a="G")也是合法的。
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) # 语法错误
- 位置参数优先权:
def func(a, b=1):
pass
func(20, a="G") # 类型错误:对参数a重复赋值
在实际开发中,最保险的做法是全部使用关键字参数,这样可以避免很多潜在的错误。
任意参数处理
Python提供了两种处理任意数量参数的方式:
1. 任意位置参数(*args)
使用*args可以接收任意数量的位置参数:
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sep参数必须明确指定为关键字参数,否则会被当作位置参数处理:
print(concat("G", 20, "-")) # 输出:G/20/-
2. 任意关键字参数(**kwargs)
使用**kwargs可以接收任意数量的关键字参数:
def dconcat(sep=":", **dic):
for k in dic:
print(f"{k}{sep}{dic[k]}")
dconcat(hello="world", python="rocks", sep="~")
# 输出:
# hello~world
# python~rocks
解包(Unpacking)操作
Python 3.5引入了强大的解包特性,使得*和**操作符可以在函数参数之外使用:
序列解包
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)
字典解包
d = {"hello": "world", "python": "rocks"}
print({**d}["python"]) # 输出:rocks
解包操作可以理解为去掉容器的外层结构(如列表的[]或字典的{}),直接访问其内容。
实用技巧:字典合并
解包操作提供了一种优雅的字典合并方式:
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'}
这种合并方式会保留后面字典中的值,覆盖前面字典中相同的键。
函数调用中的解包
在函数调用时使用解包操作(Python 2.7也支持):
print(concat(*"ILovePython")) # 输出:I/L/o/v/e/P/y/t/h/o/n
总结
掌握Python函数的参数规则和解包技巧可以让你:
- 编写更加灵活的函数接口
- 处理不定数量的参数
- 优雅地合并数据结构
- 写出更Pythonic的代码
这些特性是Python强大表达力的重要组成部分,合理运用可以显著提高代码的可读性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0164- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
hotgoHotGo 是一个基于 vue 和 goframe2.0 开发的全栈前后端分离的开发基础平台和移动应用平台,集成jwt鉴权,动态路由,动态菜单,casbin鉴权,消息队列,定时任务等功能,提供多种常用场景文件,让您把更多时间专注在业务开发上。Go03
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
596
4 K
Ascend Extension for PyTorch
Python
434
523
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++
914
754
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
365
240
暂无简介
Dart
839
204
昇腾LLM分布式训练框架
Python
130
154
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
128
173
React Native鸿蒙化仓库
JavaScript
321
371
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
111
166
🎉 (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
1.45 K
813