目录

1、什么是“函数”

2、函数的语法

2.1、语法定义

2.2、形参与实参

2.3、值传递和引用传递

2.4、必选参数和可选参数

2.5、位置参数和关键字参数

2.6、变长参数

2.7、解包参数列表

3、lambda

4、嵌套和闭包

---

本文有视频讲解，视频和实例源码下载方式：点击->我的主页，查看个人简介。

我尽量坚持每日更新一节。

更多python教程，请查看我的专栏《0基础学python视频教程》

 

1、什么是“函数”

前面我们讲过，所谓“程序”，就是通过逻辑去控制一系列数据按照预期处理，从而达成我们需要的某个特定功能。所以，理论上，我们只需要前面学的数据结构和控制语句，我们就可以写所有的“程序”了。

但是，现实中，我们的程序要复杂得多。拿我平时工作中的产品为例，其完整的代码量可达数百万行。如何组织这些代码？如何更好的维护这些代码？如何让几十几百名工程师同时开发这些代码？如何在这些代码基础上新增功能？等等，这些问题会比代码语法本身更重要。解决这些问题的本质，是要对代码进行合理的“抽象”和“封装”，使其具备一定的组织结构，这就是所谓的“架构”。

作为高级编程语言，python必须提供一些机制，以便于我们实现代码“架构”。函数，就是这些机制中最基础的一个。

接下来我们会花很多章节来学习这些机制，包括函数、模块、包、类等等。

 

我们以实现list求和这样一个简单的功能为例：

 #  author: Tiger，    关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_1.py  # 实现 list 求和 list_1 = [100, 200, 300, 400] list_sum = 0  for item in list_1:     list_sum += item  print(list_sum)  

上面一段代码，实现了对list_1这个列表中所有元素的求和。没有任何问题。代码很清晰简洁。下面我们对这个功能进行一些扩充，我们增加一个列表list_2，也需要求和。实现如下：

 #  author: Tiger，       关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_1.py  # 实现 list 求和 list_1 = [100, 200, 300, 400] list_2 = list(range(10, 100, 5)) list_sum = 0  for item in list_1:     list_sum += item  print(list_sum)  list_sum = 0 for item in list_2:     list_sum += item  print(list_sum)  

也能实现我们需要的功能，可是这段代码总让人看着不那么完美，不那么优美。里面两段通过for循环求和的代码块，非常类似。试想，如果我们想得到多个list的和，这段代码是不是会一直重复写下去？

基于这个简单的例子，我们来理解“抽象”和“封装”的概念。

“抽象”，就是提取出代码中的一部分“共性”逻辑或者功能。

“封装”，就是将这些“共性”逻辑或者功能组织在一起，并提供给别人使用。

 

 

抽象和封装，是作为程序员必须具备的基本能力和基本素质。不论你是初级程序员，还是架构师，这两项能力都始终贯穿我们的工作中。

这个例子，我们可以通过函数，来实现对求和逻辑的封装。

 

通过封装函数func_list_sum()，我们实现了求和逻辑的复用，它不仅可以给list1、list2使用，甚至可以给所有的列表使用。代码的复用，可以给我们带来很多好处，比如：代码更加简洁、提升开发效率、提升代码可靠性等。

经过函数封装后，这个实例实现如下：

 #  author: Tiger，        关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_1.py   def func_list_sum(l):     """     实现 list 求和     """     s = 0     for item in l:         s += item     return s   list_1 = [100, 200, 300, 400] list_2 = list(range(10, 100, 5))  print(func_list_sum(list_1)) print(func_list_sum(list_2))  

封装可以让我们的代码很方便的扩展，比如我们在求和时需要检查成员是否是整数，函数封装后，我们只需要修改这个函数里面的代码即可扩展该功能。

 #  author: Tiger，        关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_1.py   def func_list_sum(l):     """     实现 list 求和     """     s = 0     for item in l:         if type(item) is not int:  # 必须是整数             continue         s += item     return s   list_1 = [100, 200, 300, 400] list_2 = list(range(10, 100, 5))  print(func_list_sum(list_1)) print(func_list_sum(list_2))

 

2、函数的语法

2.1、语法定义

函数的语法定义如下：

‘def’是定义函数的保留字，func_name是函数名，其命名规则和变量名是一致的。后面的小括号里面是该函数对应的入参列表，多个参数用逗号隔开，可以不带参数。关于入参的写法，下面我们会详细介绍。小括号后面是冒号。func_body是函数体，可以为空语句pass，或者多语句组成的代码块，甚至是一个函数（后面章节会讲函数的嵌套）。

 

2.2、形参与实参

形参和实参的概念，在所有高级编程语言中都类似。

形参：形式上的参数，它是我们在定义函数时用到的参数；

实参：实际的参数，它是我们在真正调用函数时传递的参数。

 

下面我们通过一个函数来生成著名的Fibonacci （斐波那契）数列：

 #  author: Tiger，      关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_2.py   def get_fib(max):     """     打印斐波那契数列 Fibonacci     :param max:     :return:     """     a, b = 0, 1     while a < max:         print(a, end=' ')         a, b = b, a + b     print()   input_max = int(input("input max number for Fibonacci:"))  print("n1Fibonacci is:") get_fib(input_max)

 

输出为：

 

这个例子中，我们定义了函数get_fib(max)。在定义这个函数的时候，参数max它并没有实际意义上的值，也没有给它分配对象空间，它就是所谓的“形参”。

下面这行代码调用这个函数：

get_fib(input_max)

传入了变量input_max，它是一个真正的变量，是有对象空间的，它被称为“实参”。

 

2.3、值传递和引用传递

这个概念我们讲可变数据类型和不可变数据类型的时候提到过。

值传递（pass-by-value）：传递给函数的，是变量对应的值。函数里面会重新分配一个对象，并将该值拷贝过去。函数里面对新对象进行操作，与原变量无关。不可变数据类型，采用值传递的方式，比如字符串、数字、元组、不可变集合、字节等。值传递方式，需要使用return来返回结果。

引用传递（pass-by-reference）：传递给函数的，是变量指向对象的引用（CPython中就是内存地址）。函数里面直接对这个对象进行操作，会直接影响原变量。可变数据类型，采用引用传递的方式，比如列表、字典、可变集合等。

值传递和引用传递，取决于变量指向的对象数据类型。同一个函数的参数列表中，可以同时包含值传递和引用传递。

这里不再举例，大家可以回过头去看看可变数据类型和不可变数据类型章节的例子。

 

2.4、必选参数和可选参数

有时候，我们希望调用函数时，只传入一些必需的参数，而忽略其它参数。比如我们前面使用到的很多python内建函数（built-in）都是这样的。

def print(self, *args, sep=’ ‘, end=’n’, file=None): # known special case of print

    “””
    print(value, …, sep=’ ‘, end=’n’, file=sys.stdout, flush=False)
   
    Prints the values to a stream, or to sys.stdout by default.
    Optional keyword arguments:
    file:  a file-like object (stream); defaults to the current sys.stdout.
    sep:   string inserted between values, default a space.
    end:   string appended after the last value, default a newline.
    flush: whether to forcibly flush the stream.
    “””
    pass

这是print函数的定义，它有很多参数，但通常我们只传递一个字符串进去，或者再追加一个end参数，其它参数都没有填。

所以，我们定义的函数参数列表，是可以支持可选参数和必选参数。Python并没有提供方法让我们指定某个参数是否可选或者必选，而是通过设置参数的默认值，来达到此效果。

下面这个例子是官方文档里面的：

 def ask_ok(prompt, retries=4, reminder='Please try again!'):      while True:          ok = input(prompt)          if ok in ('y', 'ye', 'yes'):              return True          if ok in ('n', 'no', 'nop', 'nope'):              return False          retries = retries - 1          if retries < 0:              raise ValueError('invalid user response')          print(reminder)

函数ask_ok有三个参数，第一个参数prompt是必选参数，后面两个指定了缺省值，是可选参数。

这个函数可以通过几种方式调用:

1. 只给出必需的参数：ask_ok(‘Do you really want to quit?’)
2. 给出一个可选的参数：ask_ok(‘OK to overwrite the file?’, 2)
3. 或者给出所有的参数：ask_ok(‘OK to overwrite the file?’, 2, ‘Come on, only yes or no!’)

 

函数参数的默认值可以指定为变量，但是其只会在函数定义时执行一次。如下面的实例：

 #  author: Tiger，        关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_3.py  # 参数默认值 x = 100  def func_test(a, b=x):  # 参数b的默认值会设置为100，后面x改变不会随着变     return a + b  x = 200 print(func_test(200))

输出为：

 

参数b在函数定义时，设置了缺省值为x也就是100，后面x改变为200，b的缺省值还是100。

如果参数的缺省值是一个可变数据类型，它会怎么样呢？再看下面的实例：

 # 参数默认值为可变数据类型  def list_test(a, b=[]):     print(id(b))     b.append(a)     return b  print(list_test(300)) print(list_test(400))  print(list_test(500, [800])) print(list_test(600))

输出为：

还记得前面讲的引用传递吗？如果参数b缺省值设置为一个list，那么b缺省指向的是一个对象的引用。即使b=[ ]，系统也会给它创建一个空的列表对象，并把其引用赋给它。

上面例子还有一个有意思的地方，当我们给b传递了一个实参[800 ]，b指向了一个新的对象。之后，我们再次只传递实参a，b采用缺省值，我们发现系统还能记住之前的缺省值。这说明，python函数处理机制中，一旦给参数设置了缺省值，那么这个值会一直存在。

对于这种可变类型作为缺省值的情况，如果你不想让这个缺省值被共享下去，可以将参数的缺省值设置为None。None是一个空对象。如下实例：

 # 参数默认值为None  print('set to None'.center(30, '-'))  def list_test(a, b=None):     if b is None:         b = []     print(id(b))     b.append(a)     return b  print(list_test(300)) print(list_test(400))

输出为：

可以看出，当函数判断b是缺省值None时，会执行b=[ ]，这将b重新初始化为一个空列表。这样，重复多次调用函数时，b的值不会相互影响。

 

上面函数中，我们只有两个参数，第一个没有缺省值，第二个有缺省值。如果我们把两个参数交换一下顺序，会出现什么情况呢？

答案是编译时会报错，如下：

错误是：非缺省值的参数不能放在缺省值参数后面。

Python设计这样的规则是有原因的。因为带缺省值的参数，在我们调用函数传递实参时，是可选的。如果我们把这些可选参数放在了必选参数之前，那么python将不知道实参和形参的对应关系。比如一个函数定义为：

def func_test(arg1=None, arg2, arg3=None):

    pass

如果我们这样调用这个函数：

func_test(a, b)

python解释器不知道你传递的实参a对应的是arg1，还是对应的arg2，因为arg1是可选的。

所以，python制定了规则：必选参数列表必须放在可选参数列表前面。

 

这并没有完全解决所有的问题，如果我们有多个可选参数，也会出现问题。比如一个函数定义为：

def func_test(arg1, arg2=None, arg3=None):

    pass

如果我们这样调用这个函数：

func_test(a, b)

python解释器会认为b对应的是arg2，而可能我们想传递的是arg3。

这里就得用到下节讲的关键字参数。

 

2.5、位置参数和关键字参数

事实上，python有两种方式来映射实参和形参：位置参数(position arguments)和关键字参数(keyword arguments)。

 

• 位置参数

按照实参和形参的位置顺序依次映射。

 

• 关键字参数

调用函数时，采用“形参=实参”这种键值对的方式指明映射关系。采用关键字参数时，其顺序不需要按照形参定义的顺序。

 

位置参数和关键字参数是混用的，一次函数调用可以同时使用这两种方式。

 

对于上节的例子，我们可以采用关键字参数的方式来明确指定arg3：

func_test(a, arg3=b)

这样就不会出现歧义。

 

我们看一下参数比较多的例子：

def open(file, mode=’r’, buffering=None, encoding=None, errors=None, newline=None, closefd=True):

pass

这是python的内建函数，用于打开一个文件，它除了第一个参数file是必选，其它都是可选参数。以下的调用方式都是正确的：

 f = open('hello.txt')  f = open('hello.txt', 'w') f = open('hello.txt', encoding='utf-8', newline='n') f = open(file='hello.txt', encoding='utf-8', newline='n')

但是下面的调用方式是错误的：

 f = open(file='hello.txt', 'n', encoding='utf-8')  # error

会报错：

在传实参时，位置参数必须在关键字参数之前。

 

Python还提供了*和/方式来强制某些形参只能采用位置参数或者只能采用关键字参数。

/之前的参数只能采用位置参数；

*之后的参数只能采用关键字参数；

两者之间的参数不限制，可以采用任意方式。

 

看下面的实例：

 #  author: Tiger，       关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_3.py  # 位置参数和关键字参数 def my_echo(name, age, /, sex, *, city):     print(name, age, sex, city)  my_echo('xiaowang', 24, 'male', city='Beijing')  # ok my_echo('xiaowang', 24, 'male', 'Beijing')  # error my_echo('xiaowang', age=24, 'male', city='Beijing')  # error

后面两种调用方法是错误的，会报语法错误。

 

参数列表中不能出现多个*或者/，如下的定义是错误的：

 def my_echo(name, /, age, /, sex, *, city):      print(name, age, sex, city)  

 

2.6、变长参数

有些函数，我们需要它的参数是变长的，也就是说它的参数个数是不确定的。Python提供了实现变长参数的机制。

在定义形参时，采用*或者**来定义变长参数。

*定义的形参，实参必须采用位置参数的方式传递；

**定义的形参，实参必须采用关键字参数的方式传递。

 

我们来看一个例子：

 #  author: Tiger，        关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_5.py  # 变长参数 def goods_attrs(name, **kwargs):     print(f"name: {name}, attributes: {kwargs}")  goods_attrs("跟哥一起学python", pages=300, price=45, version='2.0')  def courses(student, *args):     print(f"name: {student}, 选修课程: {args}")  courses("小王", '高等数学', '计算机科学', '信号与系统', '英语')

输出为：

 

可以看到，**kwargs会自动将传入的实参打包为一个字典类型的对象，函数内部可以直接使用这个对象。同理，*args会自动将传入的实参打包为一个元组类型对象，函数内部也可以直接使用。

在函数定义时，**kwargs后面不能再有其它形参，而*args后面可以其它形参，但是必须采用关键字参数的方式来传递实参。这一点也比较好理解，因为*args和**kwargs都是可变长参数，其参数个数是不确定的，如果后面有其它形参，那么必须要能区分开。因为*args要求必须是位置参数，所以在它后面的形参可以用关键字参数予以区分。但是**kwargs本身就是关键字参数，那么它后面无论怎么传递参数都无法区分。

 

大家想过一个问题吗？**kwargs采用的是关键字参数，那么如果关键字和前面定义的其它参数名重复了，怎么办呢？比如前面的例子，我们这样调用就会出错：

 goods_attrs("跟哥一起学python", name="hello", pages=300, price=45, version='2.0')

输出为：

因为无论如何，python都会认为name是我们定义的第一个形参，这样调用它会认为是参数重复了。

为了解决这个问题，上一节我们讲到的/语法就可以派上用场了，我们可以限定那么参数必须采用位置参数的方式传递实参，这样系统就能区分开。

 def goods_attrs(name, /, **kwargs):  print(f"name: {name}, attributes: {kwargs}")    goods_attrs("跟哥一起学python", name="hello", pages=300, price=45, version='2.0')

输出为：

 

变长参数的极端用法，是全部参数都是变长，比如我们定义一个函数，用于计算所有入参的平均数：

 def calc_avrg(*args):      total = 0     for item in args:         total += item     else:         if len(args) == 0:             return 0         else:             return total / len(args)  print("average is: %.2f" % (calc_avrg())) print("average is: %.2f" % (calc_avrg(1, 2, 100, 29, 39, 19, 30, 29)))

输出为：

average is: 0.00

average is: 31.12

 

2.7、解包参数列表

*和**同样可以用于在传递实参时解包参数列表。

比如上一节的例子，我们也可以这样调用：

 # 解包参数列表  courses("小王", *('高等数学', '计算机科学', '信号与系统', '英语')) goods_attrs("跟哥一起学python", **{'name':"hello", 'pages':300, 'price':45, 'version':'2.0'})

 

*是用于将元组解包为一个一个成员；

**是用于将字典解包为一个一个键值对。

它和我们上一节讲的变长参数的过程刚好相反。

 

但是，需要注意的是，它们用于解包，不一定非得是变长参数。

 def func_add(x, y):      return x + y  print(func_add(1, 5))  # 直接赋值  tmp = (1, 5) print(func_add(*tmp))  # 使用*解包  tmp_dict = {'y': 5, 'x': 1} print(func_add(**tmp_dict))  # 使用**解包

 

 

3、lambda

有时候，某些函数会非常简单，简单得我们都懒得给它起名字，这种没有名字的函数叫“匿名函数”。Python中采用lambda语法来定义匿名函数，其语法如下：

首先是保留字lambda，后面跟0个或者多个参数列表，随后是冒号：，冒号后面跟一个表达式。

注意，expression只能是一个表达式，这个表达式的值会被缺省通过return返回出去。所以，lambda无法写复杂逻辑，它非常简单。

Lambda通常用于作为一些函数的实参，比如下面官方手册的一个例子：

 #  author: Tiger，       关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_6.py  # lambda函数 list_1 = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]  list_1.sort(key=lambda item: item[1]) print(list_1)

输出为：

参数key是一个函数类型，这个函数需要返回一个用于排序的值。我们定义了一个lambda函数，它返回了成员元组的第二个值。

我们让这种函数匿名，就是因为它们太简单了，并且没有太大的复用价值。毕竟起名有时候也挺头痛的。但是，这并不意味着匿名函数就不能复用，看看下面的例子：

 # lambda函数  list_1 = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')] list_2 = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')] key_func = lambda item: item[1] list_1.sort(key=key_func) list_2.sort(key=key_func) print(list_1) print(list_2)

这个例子中，我们定义了一个变量key_func，这个变量指向了lambda函数（万物皆对象，函数也是对象）。这个变量可以重复使用的，lambda函数被变相复用了。

这种使用方法，是被python官方所鄙视的。因为你既然都定义变量了，为啥不直接定义一个def的函数呢？这种情况下就不要用lambda了。

在很多公司的编程规范中，是不建议程序员使用或者大量使用lambda的，因为它会影响程序的可读性。下面的代码你是否能一下子看明白是什么意思：

lambda的功能可以完全使用def函数替代。我们使用lambda时，一定要保证其表达式是非常简单明确且易读的，否则就老老实实采用def函数的方式吧。

 

4、嵌套和闭包

函数是可以嵌套的，包括lambda也是可以嵌套的。

 

 #  author: Tiger，        关注公众号“跟哥一起学python”，ID：tiger-python  # file: ./9/9_7.py  # 函数嵌套 def calc_avrg(*args):     def calc_sum(*args1):         total = 0         for item in args1:             total += item         else:             return total      tmp_total = calc_sum(*args)     return tmp_total / len(args) if len(args) > 0 else 0   list_1 = [100, 200, 3, 4, 55] print(calc_avrg(*list_1))  # lambda嵌套 y = lambda N: (lambda x: N * x) func = y(2) print(func(2))  # 输出 4

上面第一个函数calc_avrg的内部又定义了一个函数calc_sum，形成了嵌套关系。在calc_avrg之外是不能调用calc_sum的，也就是说calc_sum的作用域仅限于calc_avrg内部。

第二个函数是一个lambda函数，它的表达式也是一个lambda函数，这就形成了函数嵌套关系。有趣的是，它返回的是一个lambda函数对象。这样，我们在外部是可以调用内部嵌套的lambda函数。这种机制我们称之为“闭包（closure）”。

 

闭包的概念理解起来会稍显困难。我们对前面的def函数稍作改造：

 # 函数嵌套  def calc_avrg_1(*args_outer):     tmp_total = 0      def calc_avrg_1_inner(*args):         nonlocal tmp_total  # 这里的tmp_total采用外层变量         for item in args:             tmp_total += item         else:             return tmp_total / len(args) if len(args) > 0 else 0      return calc_avrg_1_inner(*args_outer)   list_1 = [100, 200, 3, 4, 55] print(calc_avrg_1(*list_1)) print(calc_avrg_1(*list_1)) print(calc_avrg_1(*list_1))

输出为：

我们在外层函数定义了变量tmp_total，内层函数也使用该变量。我们调用了3次calc_avrg，最后的结果都是一样的72.4。你肯定会说，这不废话吗？同一个函数，相同的实参，输出的结果肯定一样啊！

但是大家想过没有，这三次调用同一个函数，为什么相互之间互不影响呢？原因在于，我们每次调用函数时，系统会给这个函数分配独立的上下文运行环境，这里面保存了本次调用的各种参数、临时变量等等。所以，我们每次调用除了代码段是一样的，运行环境都是独立的。

“闭包”机制改变了这一切！

我们再对这个函数进行改造，如下：

 def calc_avrg():      tmp_total = 0      def calc_avrg_inner(*args):         nonlocal tmp_total  # 这里的tmp_total采用外层变量         for item in args:             tmp_total += item         else:             return tmp_total / len(args) if len(args) > 0 else 0      return calc_avrg_inner   list_1 = [100, 200, 3, 4, 55] func_calc = calc_avrg() print(func_calc(*list_1)) print(func_calc(*list_1)) print(func_calc(*list_1))

输出为：

我们把这个函数改成了闭包的形式，calc_avrg()返回的是其内部函数calc_avrg_inner的对象引用。这样，外部可以直接调用calc_avrg_inner。我们看到，调用三次，每次的结果都不一样，就像tmp_total被共享了一样。没错，形成闭包之后，其临时变量会被共享，每次函数调用之间会相互影响。

形成闭包需要有两个条件：

1. 外部引用了内部嵌套函数对象；
2. 内部函数引用了外层变量。

 

形成闭包之后，一个函数实例func_calc会携带一个属性func_calc.__closure__，这个属性就是闭包属性，它里面存储了外层变量的引用，并且在实例化之后不能被修改。

所以，我们看到tmp_total的值在多次调用过程中被共享了。如果我们多创建几个函数实例，它们相互之间是不会影响的。

 

 list_1 = [100, 200, 3, 4, 55]  func_calc = calc_avrg() print(func_calc(*list_1)) print(func_calc(*list_1)) func_calc2 = calc_avrg() print(func_calc2(*list_1))

输出为：

func_calc和func_calc2创建了两个函数实例，它们之间的闭包属性是独立的，互不影响。我们可以断点查看闭包属性，如下：

cell_contents里面存的就是闭包函数引用的变量，每个实例会创建一个独立的，并且在每次调用共享。

对于没有闭包的函数calc_avrg_1，它的闭包属性为空None。

 

这就是闭包的概念，有点不好理解。闭包有啥用呢？其实我们后面要讲到的装饰器Decorator就是用到了闭包原理。

 

---

本文有视频讲解，视频和实例源码下载方式：点击->我的主页，查看个人简介。

我尽量坚持每日更新一节。

更多python教程，请查看我的专栏《0基础学python视频教程》