Python函数用法和底层原理分析

Python函数用法和底层分析
函数的基本概念
Python 函数的分类
核心要点
形参和实参
文档字符串(函数的注释)
返回值
函数也是对象，内存底层分析
变量的作用域(全局变量和局部变量)
部变量和全局变量效率测试
参数的传递
传递不可变对象的引用
浅拷贝和深拷贝
传递不可变对象包含的子对象是可变的情况
参数的几种类型
位置参数
默认值参数
命名参数
可变参数
强制命名参数
lambda 表达式和匿名函数
eval()函数
递归函数

Python函数用法和底层分析

函数是可重用的程序代码块。函数的作用，不仅可以实现代码的复用，更能实现代码的一致性。一致性指的是，只要修改函数的代码，则所有调用该函数的地方都能得到体现。

在编写函数时，函数体中的代码写法和我们前面讲述的基本一致，只是对代码实现了封装，并增加了函数调用、传递参数、返回计算结果等内容。

为了让大家更容易理解，掌握的更深刻。我们也要深入内存底层进行分析。绝大多数语言内存底层都是高度相似的，这样大家掌握了这些内容也便于以后学习其他语言

函数的基本概念

一个程序由一个个任务组成；函数就是代表一个任务或者一个功能。
函数是代码复用的通用机制。

Python 函数的分类

Python 中函数分为如下几类：

内置函数

我们前面使用的 str()、list()、len()等这些都是内置函数，我们可以拿来直接使用。

标准库函数

我们可以通过 import 语句导入库，然后使用其中定义的函数

第三方库函数

Python 社区也提供了很多高质量的库。下载安装这些库后，也是通过 import 语句导入，然后可以使用这些第三方库的函数

用户自定义函数

用户自己定义的函数，显然也是开发中适应用户自身需求定义的函数。

核心要点

Python 中，定义函数的语法如下：

 
def 函数名 ([参数列表]) : 
    '''文档字符串''' 
    函数体/若干语

要点：

我们使用 def 来定义函数，然后就是一个空格和函数名称；

(1) Python 执行 def 时，会创建一个函数对象，并绑定到函数名变量上。

参数列表

(1) 圆括号内是形式参数列表，有多个参数则使用逗号隔开'

(2) 形式参数不需要声明类型，也不需要指定函数返回值类型

(3) 无参数，也必须保留空的圆括号

(4) 实参列表必须与形参列表一一对应

return 返回值

(1) 如果函数体中包含 return 语句，则结束函数执行并返回值；

(2) 如果函数体中不包含 return 语句，则返回 None 值。

调用函数之前，必须要先定义函数，即先调用 def 创建函数对象

(1) 内置函数对象会自动创建

(2) 标准库和第三方库函数，通过 import 导入模块时，会执行模块中的 def 语

形参和实参

【操作】定义一个函数，实现两个数的比较，并返回较大的值

 
def print_max(a,b):
    '''实现两个数的比较，并返回较大的值'''
    if a > b:
        print(a,'MAX')
    else:
        print(b,'MAX')
 
print_max(, 20)
print_max(, -99)
 
#result
# MAX
# MAX

上面的 printMax 函数中，在定义时写的 print_max(a,b)。a 和 b 称为“形式参数”，

简称“形参”。也就是说，形式参数是在定义函数时使用的。形式参数的命名只要符合“标识符”命名规则即可。

在调用函数时，传递的参数称为“实际参数”，简称“实参”。上面代码中，

printMax(10,20)，10 和 20 就是实际参数。

文档字符串(函数的注释)

程序的可读性最重要，一般建议在函数体开始的部分附上函数定义说明，这就是“文档字符串”，也有人成为“函数的注释”。我们通过三个单引号或者三个双引号来实现，中间可以加入多行文字进行说明

【操作】测试文档字符串的使用

 
def print_max(a,b):
    '''实现两个数的比较，并返回较大的值'''
    if a > b:
        print(a,'MAX')
    else:
        print(b,'MAX')
 
print(help(print_max.__doc__))
 
#result
#No Python documentation found for '实现两个数的比较，并返回较大的值'.
#Use help() to get the interactive help utility.
#Use help(str) for help on the str class.
#None

返回值

return 返回值要点：

如果函数体中包含 return 语句，则结束函数执行并返回值；
如果函数体中不包含 return 语句，则返回 None 值。
要返回多个返回值，使用列表、元组、字典、集合将多个值“存起来”即可

【操作】计算a + b 不设置返回值

 
def print_star(a,b):
    a + b
c = print_star(,10)
print(c)
 
#result
#None

【操作】计算a + b 设置返回值

 
def print_star(a,b):
    c = a + b
    return c
 
c = print_star(,10)
print(c)
#result
#

函数也是对象，内存底层分析

Python 中，“一切都是对象”。实际上，执行 def 定义函数后，系统就创建了相应的函数对象。我们执行如下程序，然后进行解释：

 
def print_star(n):
    print("*"*n)
print(print_star)
print(id(print_star))
c = print_star
c()
 
#result
#<function print_star atx0000000002BB8620>
#
#***

上面代码执行 def 时，系统中会创建函数对象，并通过 print_star 这个变量进行引用：

我们执行“c=print_star”后，显然将 print_star 变量的值赋给了变量 c，内存图变成了：

显然，我们可以看出变量 c 和 print_star 都是指向了同一个函数对象。因此，执行 c(3)和执行 print_star(3)的效果是完全一致的。 Python 中，圆括号意味着调用函数。在没有圆括号的情况下，Python 会把函数当做普通对象。

变量的作用域(全局变量和局部变量)

变量起作用的范围称为变量的作用域，不同作用域内同名变量之间互不影响。变量分为：全局变量、局部变量。

全局变量：

在函数和类定义之外声明的变量。作用域为定义的模块，从定义位置开始直到模块结束。
全局变量降低了函数的通用性和可读性。应尽量避免全局变量的使用。
全局变量一般做常量使用。
函数内要改变全局变量的值，使用 global 声明一下

局部变量：

在函数体中（包含形式参数）声明的变量。
局部变量的引用比全局变量快，优先考虑使用。
如果局部变量和全局变量同名，则在函数内隐藏全局变量，只使用同名的局部变量

【操作】全局变量的作用域测试

 
def f():
    global a #如果要在函数内改变全局变量的值，增加 global 关键字声明
    print(a) #打印全局变量 a 的值
    a =
f()
print(a)
 
#result
#
#

【操作】全局变量和局部变量同名测试

 
a=
def f():
    a = #同名的局部变量
    print(a)
f()
print(a) #a 仍然是，没有变
 
#result
#
#

【操作】输出局部变量和全局变

 
a =
def f(a, b, c):
    print(a, b, c)
    print(locals())
    print('*' *)
    print(globals())
 
f(1, 2, 3)
 
#result
# 2 3 
#{'a':, 'b': 2, 'c': 3} 返回一个字典
#********************
#{'__name__': '__main__', '__doc__': None, '__package__': None, '__loader__': <_frozen_importlib_external.SourceFileLoader object atx0000023F0086CA10>, '__spec__': None, '__annotations__': {}, '__builtins__': <module 'builtins' (built-in)>, '__file__': 'c:\\Users\\chenh\\OneDrive\\Data Learn\\Python 基础\\课堂笔记\\05\\Book_code.py', '__cached__': None, 'a': 100, 'f1': <function f1 at 0x0000023F00810680>}

部变量和全局变量效率测试

局部变量的查询和访问速度比全局变量快，优先考虑使用，尤其是在循环的时候。在特别强调效率的地方或者循环次数较多的地方，可以通过将全局变量转为局部变量提高运行速度

【操作】测试局部变量和全局变量效率

 
#测试局部变量、全局变量的效率
import time
import math
def test():
    start = time.time()
    for i  in range():
        math.sqrt()
    end = time.time()
    print('耗时{}'.format(end - start))
 
def test():
    b = math.sqrt
    start = time.time()
    for i  in range():
        b()
    end = time.time()
    print('耗时{}'.format(end - start))
 
test()
test() 
 
#result
#耗时.24362325668335
#耗时.6801464557647705

参数的传递

函数的参数传递本质上就是：从实参到形参的赋值操作。 Python 中“一切皆对象”，所有的赋值操作都是“引用的赋值”。所以，Python 中参数的传递都是“引用传递”，不是“值传递”。具体操作时分为两类：

对“可变对象”进行“写操作”，直接作用于原对象本身。
对“不可变对象”进行“写操作”，会产生一个新的“对象空间”，并用新的值填充这块空间。（起到其他语言的“值传递”效果，但不是“值传递”）
可变对象有：

字典、列表、集合、自定义的对象等

不可变对象有：

数字、字符串、元组、function

【操作】参数传递：传递可变对象的引用

 
b = [,20]
def f(m):
    print("m:",id(m)) #b 和 m 是同一个对象
    m.append() #由于 m 是可变对象，不创建对象拷贝，直接修改这个对象
f(b)
print("b:",id(b))
print(b)
 
#result
#m:
#b:
#[, 20, 30]

传递不可变对象的引用

传递参数是不可变对象（例如：int、float、字符串、元组、布尔值），实际传递的还是对象的引用。在”赋值操作”时，由于不可变对象无法修改，系统会新创建一个对象。

【操作】参数传递：传递不可变对象的引用

 
a =
def f(n):
    print("n:",id(n)) #传递进来的是 a 对象的地址
    n = n + #由于 a 是不可变对象，因此创建新的对象 n
    print("n:",id(n)) #n 已经变成了新的对象
    print(n)
f(a)
print("a:",id(a)) #a的内存地址并没有发生改变
 
#result
#n:
#n:
#
#a:

显然，通过 id 值我们可以看到 n 和 a 一开始是同一个对象。给 n 赋值后，n 是新的对象。

浅拷贝和深拷贝

为了更深入的了解参数传递的底层原理，我们需要讲解一下“浅拷贝和深拷贝”。我们可以使用内置函数：copy(浅拷贝)、deepcopy(深拷贝)。

浅拷贝：不拷贝子对象的内容，只是拷贝子对象的引用。

深拷贝：会连子对象的内存也全部拷贝一份，对子对象的修改不会影响源对象

【操作】测试浅拷贝和深拷贝

 
#测试浅拷贝和深拷贝
import copy
def testCopy():
    '''测试浅拷贝'''
    a = [, 20, [5, 6]]
    b = copy.copy(a)
    print("a", a)
    print("b", b)
    b.append()
    b[].append(7)
    print("浅拷贝......")
    print("a", a)
    print("b", b)
 
def testDeepCopy():
    '''测试深拷贝'''
    a = [, 20, [5, 6]]
    b = copy.deepcopy(a)
    print("a", a)
    print("b", b)
    b.append()
    b[].append(7)
    print("深拷贝......")
    print("a", a)
    print("b", b)
 
testCopy()
print("*************")
testDeepCopy()
 
#result
'''
a [, 20, [5, 6]]
b [, 20, [5, 6]]
浅拷贝......
a [, 20, [5, 6, 7]]
b [, 20, [5, 6, 7], 30]
*************
a [, 20, [5, 6]]
b [, 20, [5, 6]]
深拷贝......
a [, 20, [5, 6]]
b [, 20, [5, 6, 7], 30]
'''

传递不可变对象包含的子对象是可变的情况

传递不可变对象时。不可变对象里面包含的子对象是可变的。则方法内修改了这个可变对象，源对象也发生了变化

 
a = (,20,[5,6])
print("a:",id(a))
 
def test(m):
    print("m:",id(m))
    m[][0] = 888
    print(m)
    print("m:",id(m))
 
test(a)
print(a)
 
#result
'''
a:
m:
(, 20, [888, 6])
m:
(, 20, [888, 6])
'''

参数的几种类型

位置参数

函数调用时，实参默认按位置顺序传递，需要个数和形参匹配。按位置传递的参数，称为：“位置参数”。

【操作】测试位置参数

 
def f(a,b,c):
    print(a,b,c)
f(2,3,4)
f(2,3) #报错，位置参数不匹配
 
#result
''' 3 4
Traceback (most recent call last):
  File "c:\Users\chenh\OneDrive\Data Learn\Python 基础\课堂笔记\\Book_code.py", line 4, in <module>
    f(2,3) #报错，位置参数不匹配
    ^^^^^^^
TypeError: f() missing 1 required positional argument: 'c'
'''

默认值参数

我们可以为某些参数设置默认值，这样这些参数在传递时就是可选的。称为“默认值参数”。默认值参数放到位置参数后面。

【操作】测试默认值参数

 
def f(a, b, c=10, d=20): #默认值参数必须位于普通位置参数后面
    print(a, b, c, d)
 
f(9, 8)
f(8, 9, 19)
f(8, 9, 19, 29)
 
#result
''' 8 10 20
 9 19 20
 9 19 29
'''

命名参数

我们也可以按照形参的名称传递参数，称为“命名参数”，也称“关键字参数”。

【操作】测试命名参数

 
def f(a,b,c):
    print(a,b,c)
 
f(8, 9, 19)            #位置参数
f(c=10, a=20, b=30)    #命名参数、
 
#result
''' 9 19
 30 10
'''

可变参数

可变参数指的是“可变数量的参数”。分两种情况：

*param（一个星号），将多个参数收集到一个“元组”对象中。
**param（两个星号），将多个参数收集到一个“字典”对象中。

【操作】测试可变参数处理（元组、字典两种方式

 
def f(a,b,*c):
    print(a,b,c)
 
f(8, 9, 19, 20)
 
def f(a,b,**c):
    print(a,b,c)
 
f(8, 9, name = 'gaoqi', age = 18)
 
def f(a,b,*c,**d):
    print(a,b,c,d)
 
f(8, 9, 20, 30, name = 'gaoqi',age = 18)\
 
#result
''' 9 (19, 20)    #将*c参数放在元组中
 9 {'name': 'gaoqi', 'age': 18}    #将**c参数放在字典中
 9 (20, 30) {'name': 'gaoqi', 'age': 18}
'''

强制命名参数

在带星号的“可变参数”后面增加新的参数，必须在调用的时候“强制命名参数”。

【操作】强制命名参数的使用

 
def f(*a,b,c):
    print(a,b,c)
#f(2,3,4) #会报错。由于 a 是可变参数，将 2,3,4 全部收集。造成 b 和 c 没有赋值。
f(2,b=3,c=4) 
f(2, 3, 4, b=10, c=100)
'''
result:
(,) 3 4
(, 3, 4) 10 100
'''

lambda 表达式和匿名函数

lambda 表达式可以用来声明匿名函数。lambda 函数是一种简单的、在同一行中定义函数的方法。lambda 函数实际生成了一个函数对象。

lambda 表达式只允许包含一个表达式，不能包含复杂语句，该表达式的计算结果就是函数的返回值。

ambda 表达式的基本语法如下：


lambda arg,arg2,arg3... : <表达式>

arg1/arg2/arg3 为函数的参数。<表达式>相当于函数体。运算结果是：表达式的运算结果。

【操作】lambda 表达式使

 
f = lambda a, b, c : a + b + c
 
print(f)
print(f(, 3, 4))
 
'''
result:
<function <lambda> atx0000024E1DBA0680>
 
'''
 
g = [lambda a : a*, lambda b : b*3, lambda c : c*4]
 
print(g)
print(g[](6),g[1](7),g[2](8))
 
'''
result:
[<function <lambda> atx0000019D11368E00>, <function <lambda> at 0x0000019D11368F40>, <function <lambda> at 0x0000019D11368FE0>]
 21 32
'''

eval()函数

功能：将字符串 str 当成有效的表达式来求值并返回计算结果。

语法参数：

 
eval(source[, globals[, locals]]) -> value
 
source：一个 Python 表达式或函数 compile()返回的代码对象
globals：可选。必须是 dictionary
locals：可选。任意映射对象
s = "print('abcde')"
eval(s)
 
a =
b =
c = eval("a + b")
print(c)
 
dict = dict(a = 100, b = 200)
 
d = eval("a+b",dict)
print(d)
 
'''
result:
abcde
 
'''

eval 函数会将字符串当做语句来执行，因此会被注入安全隐患。比如：字符串中含有删除文件的语句。那就麻烦大了。因此，使用时候，要慎重！！！

递归函数

递归函数指的是：自己调用自己的函数，在函数体内部直接或间接的自己调用自己。递归类似于大家中学数学学习过的“数学归纳法”。每个递归函数必须包含两个部分：

终止条件

表示递归什么时候结束。一般用于返回值，不再调用自己。

递归步骤

把第 n 步的值和第 n-1 步相关联。

递归函数由于会创建大量的函数对象、过量的消耗内存和运算能力。在处理大量数据时，谨慎使用。

【操作】使用递归函数计算阶乘(factorial

 
def factorial(n):
    if n ==:
        return
    else:
        return n * factorial(n-)
 
for i in range(,11):
    print(i,'!=',factorial(i))
 
'''
result: != 1
 != 2
 != 6
 != 24
 != 120
 != 720
 != 5040
 != 40320
 != 362880
 != 3628800
'''

	def 函数名 ([参数列表]) :
	'''文档字符串'''
	函数体/若干语

	def print_max(a,b):
	'''实现两个数的比较，并返回较大的值'''
	if a > b:
	print(a,'MAX')
	else:
	print(b,'MAX')

	print_max(, 20)
	print_max(, -99)

	#result
	# MAX
	# MAX

	def print_star(a,b):
	a + b
	c = print_star(,10)
	print(c)

	#result
	#None

	def print_star(a,b):
	c = a + b
	return c

	c = print_star(,10)
	print(c)
	#result
	#

	def print_star(n):
	print(""n)
	print(print_star)
	print(id(print_star))
	c = print_star
	c()

	#result
	#<function print_star atx0000000002BB8620>
	#
	#***

	def f():
	global a #如果要在函数内改变全局变量的值，增加 global 关键字声明
	print(a) #打印全局变量 a 的值
	a =
	f()
	print(a)

	#result
	#
	#

	a=
	def f():
	a = #同名的局部变量
	print(a)
	f()
	print(a) #a 仍然是，没有变

	#result
	#
	#

	a =
	def f(a, b, c):
	print(a, b, c)
	print(locals())
	print('' )
	print(globals())

	f(1, 2, 3)

	#result
	# 2 3
	#{'a':, 'b': 2, 'c': 3} 返回一个字典
	#********************
	#{'__name__': '__main__', '__doc__': None, '__package__': None, '__loader__': <_frozen_importlib_external.SourceFileLoader object atx0000023F0086CA10>, '__spec__': None, '__annotations__': {}, '__builtins__': <module 'builtins' (built-in)>, '__file__': 'c:\\Users\\chenh\\OneDrive\\Data Learn\\Python 基础\\课堂笔记\\05\\Book_code.py', '__cached__': None, 'a': 100, 'f1': <function f1 at 0x0000023F00810680>}

	#测试局部变量、全局变量的效率
	import time
	import math
	def test():
	start = time.time()
	for i in range():
	math.sqrt()
	end = time.time()
	print('耗时{}'.format(end - start))

	def test():
	b = math.sqrt
	start = time.time()
	for i in range():
	b()
	end = time.time()
	print('耗时{}'.format(end - start))

	test()
	test()

	#result
	#耗时.24362325668335
	#耗时.6801464557647705

	b = [,20]
	def f(m):
	print("m:",id(m)) #b 和 m 是同一个对象
	m.append() #由于 m 是可变对象，不创建对象拷贝，直接修改这个对象
	f(b)
	print("b:",id(b))
	print(b)

	#result
	#m:
	#b:
	#[, 20, 30]

	a =
	def f(n):
	print("n:",id(n)) #传递进来的是 a 对象的地址
	n = n + #由于 a 是不可变对象，因此创建新的对象 n
	print("n:",id(n)) #n 已经变成了新的对象
	print(n)
	f(a)
	print("a:",id(a)) #a的内存地址并没有发生改变

	#result
	#n:
	#n:
	#
	#a:

	#测试浅拷贝和深拷贝
	import copy
	def testCopy():
	'''测试浅拷贝'''
	a = [, 20, [5, 6]]
	b = copy.copy(a)
	print("a", a)
	print("b", b)
	b.append()
	b[].append(7)
	print("浅拷贝......")
	print("a", a)
	print("b", b)

	def testDeepCopy():
	'''测试深拷贝'''
	a = [, 20, [5, 6]]
	b = copy.deepcopy(a)
	print("a", a)
	print("b", b)
	b.append()
	b[].append(7)
	print("深拷贝......")
	print("a", a)
	print("b", b)

	testCopy()
	print("*************")
	testDeepCopy()

	#result
	'''
	a [, 20, [5, 6]]
	b [, 20, [5, 6]]
	浅拷贝......
	a [, 20, [5, 6, 7]]
	b [, 20, [5, 6, 7], 30]
	*************
	a [, 20, [5, 6]]
	b [, 20, [5, 6]]
	深拷贝......
	a [, 20, [5, 6]]
	b [, 20, [5, 6, 7], 30]
	'''

	a = (,20,[5,6])
	print("a:",id(a))

	def test(m):
	print("m:",id(m))
	m[][0] = 888
	print(m)
	print("m:",id(m))

	test(a)
	print(a)

	#result
	'''
	a:
	m:
	(, 20, [888, 6])
	m:
	(, 20, [888, 6])
	'''

	def f(a,b,c):
	print(a,b,c)
	f(2,3,4)
	f(2,3) #报错，位置参数不匹配

	#result
	''' 3 4
	Traceback (most recent call last):
	File "c:\Users\chenh\OneDrive\Data Learn\Python 基础\课堂笔记\\Book_code.py", line 4, in <module>
	f(2,3) #报错，位置参数不匹配
	^^^^^^^
	TypeError: f() missing 1 required positional argument: 'c'
	'''

	def f(a, b, c=10, d=20): #默认值参数必须位于普通位置参数后面
	print(a, b, c, d)

	f(9, 8)
	f(8, 9, 19)
	f(8, 9, 19, 29)

	#result
	''' 8 10 20
	9 19 20
	9 19 29
	'''

	def f(a,b,c):
	print(a,b,c)

	f(8, 9, 19) #位置参数
	f(c=10, a=20, b=30) #命名参数、

	#result
	''' 9 19
	30 10
	'''

	def f(a,b,*c):
	print(a,b,c)

	f(8, 9, 19, 20)

	def f(a,b,**c):
	print(a,b,c)

	f(8, 9, name = 'gaoqi', age = 18)

	def f(a,b,c,*d):
	print(a,b,c,d)

	f(8, 9, 20, 30, name = 'gaoqi',age = 18)\

	#result
	''' 9 (19, 20) #将*c参数放在元组中
	9 {'name': 'gaoqi', 'age': 18} #将**c参数放在字典中
	9 (20, 30) {'name': 'gaoqi', 'age': 18}
	'''

	def f(*a,b,c):
	print(a,b,c)
	#f(2,3,4) #会报错。由于 a 是可变参数，将 2,3,4 全部收集。造成 b 和 c 没有赋值。
	f(2,b=3,c=4)
	f(2, 3, 4, b=10, c=100)
	'''
	result:
	(,) 3 4
	(, 3, 4) 10 100
	'''

	f = lambda a, b, c : a + b + c

	print(f)
	print(f(, 3, 4))

	'''
	result:
	<function <lambda> atx0000024E1DBA0680>

	'''

	g = [lambda a : a, lambda b : b3, lambda c : c*4]

	print(g)
	print(g[](6),g[1](7),g[2](8))

	'''
	result:
	[<function <lambda> atx0000019D11368E00>, <function <lambda> at 0x0000019D11368F40>, <function <lambda> at 0x0000019D11368FE0>]
	21 32
	'''

	eval(source[, globals[, locals]]) -> value

	source：一个 Python 表达式或函数 compile()返回的代码对象
	globals：可选。必须是 dictionary
	locals：可选。任意映射对象
	s = "print('abcde')"
	eval(s)

	a =
	b =
	c = eval("a + b")
	print(c)

	dict = dict(a = 100, b = 200)

	d = eval("a+b",dict)
	print(d)

	'''
	result:
	abcde

	'''