函数定义与参数机制 | Python 官方教程

为什么要定义函数（Function）？

当程序规模变大时，如果一段重复的计算逻辑在代码各处复制粘贴，一旦需要修改就会引发灾难性的维护成本。**函数（function）**是编程中最重要的抽象工具：它将一段具有明确输入与输出的独立逻辑封装在一起，起一个名字，供随时调用。

1. 使用 def 关键字定义函数

在 Python 中，使用关键字 def（define 的缩写）来创建函数：

def fib(n):
    """Print a Fibonacci series less than n."""
    a, b = 0, 1
    while a < n:
        print(a, end=' ')
        a, b = b, a + b
    print()

# 调用我们定义的函数：
fib(2000)

输出：

0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597

核心解构：

函数签名：def fib(n):，以 def 开头，后跟函数名和圆括号内的形参列表（parameters），行末紧跟冒号；
函数体缩进：冒号下方属于函数内部的所有语句必须统一向右缩进 4 个空格；
文档字符串（docstring）：函数内部的第一条语句如果是一个多行字符串 """..."""，它会被自动识别为文档字符串。它是对该函数功能、参数与返回值的权威说明，可以通过 help(fib) 或开发工具直接查阅，编写清晰的 docstring 是专业开发者的标志性习惯；
函数也是第一类对象：函数名 fib 实际上指向了一个可调用的函数对象。你可以把它赋值给其他变量（如 f = fib），然后使用 f(100) 来调用它。

2. 关键心智模型：print() 与 return 的根本差异

初学者经常混淆“屏幕打印”与“函数返回”：

print()：纯粹是向屏幕输出字符给人眼阅读。外层的调用代码根本“拿不到”这个值；
return：是把计算生成的数据“交还”给调用方。外部可以用变量承接这个结果，并进行后续存储或二次计算；
没有 return 的函数：如果函数执行完毕没有遇到任何 return 语句，Python 会默认默默返回内置特殊对象 None（表示“空”）。

官方教程通过对比 fib(n) 与 fib2(n) 深刻阐明了这一点：

def fib2(n):
    """Return a list containing the Fibonacci series up to n."""
    result = []
    a, b = 0, 1
    while a < n:
        result.append(a)
        a, b = b, a + b
    return result

# 调用它并用变量接收返回值：
f100 = fib2(100)
print(f100)

输出：

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]

此时，f100 是一个真正的列表对象，你可以对它求 len(f100) 或进行切片筛选。

3. 函数参数详解

Python 拥有极其灵活多样的传参机制：

默认值参数（Default Argument Values）

可以为形参指定默认值，调用时如果省略该参数，则自动采用默认值：

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

重要陷阱：可变默认参数只在函数定义时求值一次！ 如果默认值是一个可变对象（如列表 L=[]），后续多次调用会共享并累积同一个列表：
def f(a, L=[]):
    L.append(a)
    return L
print(f(1))  # [1]
print(f(2))  # [1, 2] -- 发生了累积！
官方推荐的安全写法：默认值设为 None，并在函数体内动态创建新列表：
def f(a, L=None):
    if L is None:
        L = []
    L.append(a)
    return L

关键字参数（Keyword Arguments）

调用函数时，可以通过 形参名=值 的方式明确指定实参，无需死记位置顺序：

def parrot(voltage, state='a stiff', action='voom', type='Norwegian Blue'):
    print("-- This parrot wouldn't", action, end=' ')
    print("if you put", voltage, "volts through it.")

# 合法调用方式：
parrot(1000)                                  # 1 个位置参数
parrot(voltage=1000)                          # 1 个关键字参数
parrot(voltage=1000000, action='VOOOOOM')     # 2 个关键字参数
parrot('a thousand', state='pushing up daisies') # 位置参数必须在关键字参数之前

任意实参列表：*args 与 **kwargs

*args：将多余传入的位置参数打包为一个元组（tuple）；
**kwargs：将多余传入的关键字参数打包为一个字典（dict）：

def cheeseshop(kind, *arguments, **keywords):
    print("-- Do you have any", kind, "?")
    for arg in arguments:
        print(arg)
    for kw in keywords:
        print(kw, ":", keywords[kw])

解包实参列表（Unpacking Argument Lists）

如果你手头已经有一个列表或元组，想把它解开当成独立的位置参数传给函数，可以在前面加一个星号 *；如果是一个字典，可以使用两个星号 ** 解包为关键字参数：

args = [3, 6]
list(range(*args))  # 等价于 range(3, 6)

Lambda 表达式

可以使用 lambda 关键字创建小巧的单行匿名函数，常用于排序键值：

pairs = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
pairs.sort(key=lambda pair: pair[1])

掌握了函数及其传参体系，我们已经能够将代码组织得井井有条。下一关，我们将深入 Python 丰富的数据结构，掌握堆栈、队列、推导式与字典的高效用法！

教学模式