总结Python编程中函数的使用要点_Python

为何使用函数

最大化代码的重用和最小化代码冗余
流程的分解

编写函数

>>def语句
在Python中创建一个函数是通过def关键字进行的，def语句将创建一个函数对象并将其赋值给一个变量名。def语句一般的格式如下所示:

1 2	`def` `<name>(arg1,arg2,... argN):` `<statements>`

通常情况下，函数体中会有一个return语句，可以出现在函数体的任何位置，它表示函数调用的结束，并将结果返回至函数调用处。但是return语句是可选的，并不是必须的。从技术角度上说，一个没有返回值的函数自动返回了none对象，但是这个值可以被忽略掉。

>>def语句是实时执行的
Python的def语句实际上是一个可执行的语句:当它运行的时候，它创建一个新的函数对象并将其赋值给一个变量名。(请记住，Python中所有的语句都是实时运行的，没有对像独立编译时间这样的流程)因为它是一个语句，它可以出现在任一语句可以出现的地方——甚至是嵌套在其他语句中。

									if test:

									  def func():

									    ...

									else:

									  def func():

									    ...

									...

									func()

它在运行时简单地给一个变量名进行赋值。与C语言这样的编译语言不同，Python函数在程序运行之前并不需要全部定义，更确切地说，def在运行时才评估，而在def之中的代码在函数调用时才会评估。

就像Python中其他语句一样，函数仅仅是对象，在程序执行时它清除地记录在了内存之中。实际上，除了调用之外，函数允许任意的属性附加到记录信息以供随后使用:

									othername=func #Assign function object

									othername() #Call func again

									func() #call object

									func.attr=value #attach attribute

一个例子:定义和调用

									def times(x,y):

									  return x*y

									times(2,4) #return 8

									times(3.12,4) #return 12.56

									times('Ni',4) #return 'NiNiNi'

上面代码中对函数的三次调用都能正确运行，因为”*“对数字和序列都有效，在Python我们从未对变量、参数或者返回值有过类似的声明，我们可以把times用作数字的乘法或是序列的重复。

换句话说，函数times的作用决定于传递给它的参数，这是Python的核心概念之一。

需要强调的是，如果我们传入了一个不支持函数操作的参数，Python会自动检测出不匹配，并抛出一个异常，这样就能减少我们编写不必要的类型检测代码。

>>局部变量
所有在函数内部定义的变量默认都是局部变量，所有的局部变量都会在函数调用时出现，并在函数退出时消失。

函数设计概念

耦合性:对于输入使用参数并且输出使用return语句。
耦合性:只有在真正必要的情况下使用全局变量。
耦合性:不要改变可变类型的参数，除非调用者希望这样做。
聚合性:每一个函数都应该有一个单一的、统一的目标。
大小:每一个函数应该相对较小。
耦合:避免直接改变在另一个模块文件中的变量。
函数对象:属性和注解

>>间接函数调用
由于Python函数是对象，我们可以编写通用的处理他们的程序。函数对象可以赋值给其他的名字、传递给其他函数、嵌入到数据结构、从一个函数返回给另一个函数等等，就好像它们是简单的数字或字符串。

把函数赋值给其他变量:

									def echo(message):

									 print(message)

									x = echo

									x('Indirect call!')  #Prints:Indirect call!

传递给其他函数:

									def indirect(func,arg):

									  func(arg)

									indirect(echo,'Argument call')  #Prints:Argument call

把函数对象填入到数据结构中:

									schedule=[(echo,'Spam!'),(echo,'Ham!')]

									for (func,arg) in schedule:

									  func(arg)

从上述的代码中可以看到，Python是非常灵活的！

>>函数内省
由于函数是对象，我们可以用用常规的对象工具来处理函数。

1 2	`func.__name__` `dir(func)`

内省工具允许我们探索实现细节，例如函数已经附加了代码对象，代码对象提供了函数的本地变量和参数等方面的细节：

									dir(func.__code__)

									func.__code__.co_varnames

									func.__code__.co_argument

工具编写者可以利用这些信息来管理函数。

>>函数属性
函数对象不仅局限于上一小节中列出的系统定义的属性，我们也可以向函数附加任意的用户定义的属性:

									func.count=0

									func.count+=1

									func.handles='Button-Press'

这样的属性可以用来直接把状态信息附加到函数对象，而不必使用全局、非本地和类等其他技术。和非本地不同，这样的属性信息可以在函数自身的任何地方访问。这种变量的名称对于一个函数来说是本地的，但是，其值在函数退出后仍然保留。属性与对象相关而不是与作用域相关，但直接效果是类似的。

>>Python3.0中的函数注解
在Python3.0也可以给函数对象附加注解信息——与函数的参数相关的任意的用户定义的数据。Python为声明注解提供了特殊的语法，但是，它自身不做任何事情；注解完全是可选的，并且，出现的时候只是直接附加到函数对象的__annotations__属性以供其他用户使用。

从语法上讲，函数注解编写在def头部行，对于参数，它们出现在紧随参数名之后的冒号之后；对于返回值，它们编写于紧跟在参数列表之后的一个->之后。

1 2	`def` `func(a:'spam',b:(1,10),c:float)` `->` `int:` `return` `a+b+c`

注解和没注解过的函数在功能和使用上完全一样，只不过，注解过的函数，Python会将它们的注解的数据收集到字典中并将它们附加到函数对象自身。参数名变成键，如果编写了返回值注解的话，它存储在键return下，而注解的值则是赋给了注解表达式的结果:

1 2	`func.__annotations__` `#Prints:{'a':'spam','c':<class 'float'>,'b':(1,10),'return':<class 'int'>}`

注意点

如果编写了注解的话，仍然可以对参数使用默认值，例如:a:'spam'=4 意味着参数a的默认值是4，并且用字符串'spam'注解它。
在函数头部的各部分之间使用空格是可选的。
注解只在def语句中有效。
匿名函数:lambda

除了def语句之外，Python还提供了一种生成函数对象的表达式形式。由于它与LISP语言中的一个工具很相似，所以称为lambda。就像def一样，这个表达式创建了一个之后能够调用的函数，但是它返回了一个函数而不是将这个函数赋值给一个变量名。这也就是lambda有时叫做匿名函数的原因。实际上，它们常常以一个行内函数定义的形式使用，或者用作推迟执行一些代码。

>>lambda表达式
lambda的一般形式是关键字lambda，之后是一个或多个参数，紧跟的是一个冒号，之后是一个表达式：

1	`lambda argument1,argument2,...argumentN:expression using arguments`

由lambda表达式所返回的函数对象与由def创建并赋值后的函数对象工作起来是完全一样的，但是lambda有一些不同之处让其在扮演特定的角色时很有用。

lambda是一个表达式，而不是一个语句。
lambda的主体是一个单个的表达式，而不是一个代码块。
一下两段代码生成了同样功能的函数:

									def func(x,y,z):return x+y+z

									func(2,3,4)          #Return 9

									f = lambda x,y,z : x + y + z

									f(2,3,4)           #Return 9

默认参数也能在lambda中使用

1 2	`x=(lambda` `a="fee",b="fie",c="foe": a+b+c)` `x("wee")` `#Prints:'weefiefoe'`

在lambda主体中的代码像在def内的代码一样都遵循相同的作用域查找法则。

>>为什么要使用lambda
通常来说，lambda起到了一种函数速写的作用，允许在使用的代码内嵌入一个函数的定义。它们总是可选的，因为总是能够用def来代替。

lambda通常用来编写跳转表:

									L=[lambda x: x ** 2,

									  lambda x: x ** 3,

									  lambda x: x ** 4]

									for f in L:

									 print(f(2))      #Prints:4,8,16

									print(L[0](3))      #Prints:9

实际上，我们可以用Python中的字典或者其他数据结构来构建更多种类的行为表:

									key='got'

									{'already':(lambda: 2+2),

									 'got':(lambda: 2*4),

									 'one':(lambda: 2 ** 6)}[key]()     #Prints:8

这样编写代码可以使字典成为更加通用的多路分支工具。

最后需要注意的是，lambda也是可以嵌套的

1	`((lambda` `x:(lambda` `y: x+y))(99))(4)` `#Prints:103`

在序列中映射函数:map

map函数会对一个序列对象中的每个元素应用被传入的函数，并且返回一个包含了所有函数调用结果的一个列表。

									counters=[1,2,3,4]

									def inc(x):return x+10

									list(map(inc,counters))     #[11,12,13,14]

由于map期待传入一个函数，它恰好是lambda最常出现的地方之一。

1	`list(map((lambda` `x: x+10),counters))` `#[11,12,13,14]`

函数式编程工具:filter和reduce

在Python内置函数中，map函数是用来进行函数式编程的这类工具中最简单的内置函数代表。所谓的函数式编程就是对序列应用一些函数的工具。例如过滤出一些元素(filter)，以及对每对元素都应用函数并运行到最后的结果(reduce)。

1	`list(filter((lambda` `x: x>0),range(-5,5)))` `#[1,2,3,4]`

序列中的元素若其返回值是真的话，将会被加入到结果列表中。

reduce接受一个迭代器来处理，但是，它自身不是一个迭代器，它返回一个单个的结果。

									from functools import reduce  #Import in 3.0,not in 2.6

									reduce((lambda x,y: x+y),[1,2,3,4]) #Return:10

									reduce((lambda x,y: x*y),[1,2,3,4]) #Return:24