python Function(函数)
函数是python为了代码最大程度地重用和最小化代码冗余而提供的基本程序结构。函数是一种设计工具，它能让程序员将复杂的系统分解为可管理的部件； 函数用于将相关功能打包并参数化。
在Python中可以创建如下4种函数：
1)、全局函数：定义在模块中（直接定义在模块中的函数）。
2)、局部函数：嵌套于其它函数中（在函数中再定义的函数）。
3)、lambda函数：表达式。匿名函数(它仅是一个表达式)，它可以出现在任何位置，很高的录活性。
4)、方法：与特定数据类型关联的函数，并且只能与数据类型相关一起使用。定义在类中的函数。
python也提供了很多内置函数
函数与过程的区别：
函数都有return返回值。返回一个对象
创建函数
def functionName(parameters):
suite
相关概念：
def 是一个可执行语句；因此可以出现在任何能够使用的地方，甚至可以嵌套于其它语句，例if或while中。def创建了一个对象 并将其赋值给一个变量名(即函数名)；
return用于返回结果对象，其为可选项；无return语句的函数自动返回一个None对象；返回多个值时，彼此间使用逗号分隔，且组合为元组形式返回一个对象。
def语句运行之后，可以在程序中通过函数名后附加括号进行调用 。
例1：
def printName():
print "hello"
printName()
def testFun():
pass
testFun()
例2：(注意函数的返回值)
def login(username):
if username == "Thompson":
print "登录成功"
else:
print "登录失败"
if __name__ == "__main__" :
uname=raw_input("Please enter your name:")
login(uname)
例3：(注意函数的返回值)
def login(username):
if username == "Thompson":
return "登录成功"
else:
return "登录失败"
def detail(username):
print username,"detail infORMation"
if __name__ == "__main__" :
uname=raw_input("Please enter your name:")
result = login(uname)
if result == "登录成功" :
detail(uname)
else:
print result 例4：函数可以定义多个形参，可以为形参设置默认值，但设置默认值的形参必须放置在参数列表的最后一个
def func1(username,action="听课"):
print username,":",action
func1("tom")
func1("eric","吃饭")
例5：
def func1(username,where="北京",action="听课"):
print username,":去",where,action
func1("tom")
func1("jack","上海")
func1("eric",action="吃饭")
函数的作用域：(变量查找的名称空间)
变量名在程序中赋值的位置决定了其能够被访问到的范围。函数定义了本地作用域，即函数内定义的变量，只能生效于本函数内部。模块定义了全局作用域。即在本python脚本中定义的变量，生效于本脚本的任意位置。
变量名引用分三个作用域：首先本地、然后函数内、接着是全局，最后是内置。
说明：在函数1中嵌套的函数2，在函数2中定义的变量称为“本地”；在函数1中定义的变量称为函数外层的；
Python创建、改变或查找变量名都是在名称空间中进行；在代码中变量名被赋值的位置决定了其能被访问到的范围。
函数定义了本地作用域，而模块定义了全局作用域；每个模块都是一个全局作用域，因此全局作用域的范围仅限于单个程序文件；每次对函数的调用都会创建一个新的本地作用域，赋值的变量除非声明为全局变量，否则均为本地变量。
所有的变量名都可以归纳为本地、全局或内置(由__builtin__模块提供)
def f1():
y = 3
print y
f1()
print y 抛出异常
#!/usr/bin/python27
x = 32
def f1():
x = 43
print x
f1()
print x
chmod +x test1.py
./test1.py
x = 32
def f1():
y = 43
print x,y
f1()
print x,y
global x 将x定义为全局变量(在本地范围内定义全局变量时使用)
x = 43
print x LEGB 原则: local → enclosing → global → builtin
例：
x = 5
z = "global"
def f1():
x = "from f1"
y = 3
print x,z
def f2():
x = "from f2"
print x,y,z
f2()
f1()
输出结果为：
from f1 global
from f2 3 global
def f1():
x =3
def f2():
y = "hello"
print x,y
return f2
a1 = f1()
type(a1)
a1()函数的参数：
def funcName(arg1,arg2....):
例：
def f1(x):
print x
f1(4)
f1('abcd')
def f2(x,y):
print x+y
f2(3,4)
f2("hello","world")
m=3;n=4
def f3(x,y):
x -= 1
print x,y
f3(m,n)
print m,n 注意：比较结果值。m、n为数值，是不可变类型，所以m、n的数据不变。
l1 = [1,2,3]
def f4(x)
x.pop()
print x
f4(l1) 将l1对象传递给函数f5
print l1 比较两次的结果相同，因为列表为可变类型
l1 = [1,2,3]
def f5(x):
x.pop()
print x
f5(l1[:]) 将l1做切片之后的所有值传递给函数f5
函数参数的匹配模型：
默认情况下，参数通过其位置进行传递，从左至右，这意味着必须精确地传递和函数头部参数一样多的参数。但也可以通过关键字参数、默认参数或参数容器等 改变这种机制。
位置：从左至右
关键字参数：使用"name=value"的语法通过参数名进行匹配(如果关键字参数与位置参数混合时，位置参数必须放在参数列表的左边，所有位置参数写完后，才可以放置关键字参数)
默认参数：定义函数时使用"name=value"的语法直接给变量一个值，从而传入的值可以少于参数个数。(混用有默认和无默认值的参数时，无默认值的参数需放前面)
可变参数：定义函数时使用*开头的参数，可用于收集任意多基于位置的参数；定义函数时使用**，收集关键字参数。
可变参数解包：调用函数时，使用*开头的参数，可用于将参数集合打散，从而传递任意多基于位置或关键字的参数。
例：
def f10(*x):
print x
f10(m)
f10(m,n)
f10(m,n,z)
def f11(**x):
print x
f11(x=1,y=2,z=9) #收集关键字参数，并以字典的形式返回。
def f12(x,*y): #可变参数必须写在后面，不可变参数必须写在左侧(前面)
print x,y
f12(m,n,o) #函数调用时，将m的值传递给x，将n与o的值传递给y，y会以元组的形式返回结果
def f15(*x,**y):
print x
print y
f15(m,n,o,i=3,j=6) #位置参数被"*x"收集，而关键字参数被"**y"收集
l1=['sun','mon','tus']
x,y,z = l1
print x,y,z #将列表分解赋值
def f17(x,y,z):
print x,y,z
f17(*l1) #将l1的值分解，并分别传递给变量x、y、z。要求被分解对象的元素个数 要与 函数定义的形参个数相同。
#调用函数时使用*是为了分解参数对象，定义时使用*是为了整合。
def f18(x,*y):
print x
print y
f18(m,*l1) #将m的值传递给x，将 l1对象中的元素分解后，传递给y
d1={'key1':'v1','key2':'v2','key3':77}
def f19(x,*y,**z):
print x
print y
print z
f19(m,*l3,**d1) #将m的值传递给x，将l3对象中的元素分解后以元组的形式传递给y，将d1字典对象中的键值对儿分解，并以字典的形式传递给z
#顺序必须是：先位置参数、再任意位置参数、最后任意关键字参数
f19(m,n,o,**d1) #将m传递给x，将n与o传递给y，将字典d1对象分解后传递给z
f19(m,n,z,key1='v1',key2='v2') #将m传递给x，将n与o传递给y，将关键参数key1='v1',key2='v2'传递给zpython闭包：lexical closure
在函数嵌套环境中，如果外层函数直接返回内层函数(即把内层函数做为一个对象当做返回值)，而且内层函数调用了外层函数的变量，那么内层函数会自动记忆外层函数的变量值。 它称为函数的闭合，也称为工厂函数。
例：
def f1(x):
def f2(y):
return y ** x
return f2 函数有嵌套，外层函数会将整个内层函数做为一个函数对象返回，而且内层函数还调用了外层函数定义的变量，此时内层函数会记忆外层函数的相关变量值，这种函数称为闭合函数。
f3=f1(3) 执行f1(3)，将3传递给x，然后外层函数将“内层函数整体”作为一个对象的方式返回并赋值给f3变量。此时的f3 就是内层函数对象，此时的内层函数对象已记忆了x的值为3。
type(f3) 查看f3的类型为函数对象
f3(2) 调用f3这个函数对象，并将2传递给y变量，则最终结果返回 2 ** 3 (即2的3次方)
f3(3) 本次调用就是计算 3 ** 3
f3(4) 本次调用就是计算 4 ** 3
以上的函数也称为工厂函数或闭合函数或函数的闭合特性。
例： f3 = f1(4)
f3(3) 本次就是计算的 3 ** 4 (即3的4次方)
内层函数才是一个真正的函数，而外层函数仅仅是内层函数运行的环境而已。外层函数主要是为内层函数提供运行环境。
def startPos(m,n):
def newPos(x,y):
print "The old position is (%d,%d),and the new position is (%d,%d)." % (m,n,m+x,n+y)
return newPos
action = startPos(10,10)
action(1,2)
action(-1,3)
匿名函数lambda：
lambda仅仅是个表达式，但它有函数的特性；def是个语句。
lambda运算符 lambda args: expression
args: 以逗号分隔的参数列表
expression : 用到args中各参数的表达式
lambda语句定义的代码必须是合法的表达式，不能出现多条件语句(可使用if的三元表达式)和其它非表达式语句，如for和while等。
lambda的首要用途是指定短小的回调函数
lambda将返回一个函数而不是将函数赋值给某变量名。
注意：lambda是一个表达式而非语句；lambda是一个单个表达式，而不是一个代码块
例：
f20 = lambda x,y: x+y lambda本身没有名称，在调用时才为它赋一个变量名(函数名)。
f20(3,4) 它返回3+4的结果；它的效果等同于以下函数：
def f20(x,y):
return x+y
f20(3,4)
f=lambda x,y,z: x+y+z
f(4,5,6)
f2=(lambda x,y,z=10: x+y+z)
f2(4,5)
def 语句创建的函数将赋值给某变量名，而lambda表达式则直接返回函数。lambda可以实现简单函数速写的功能。
l3 = [ (lambda x: x*2), (lambda y: y*3) ]
for i in l3:
print i(4) i的值为lambda函数，i(4)表示将4传递到函数中，最终返回函数的值
装饰器
也称为函数装饰器，它自身是个函数，作用是能够增强其它函数的功能。
函数代码重用，函数功能在不同场景中重用。
1)、装饰器本身是一个函数，用于装饰其它函数
2)、增强被装饰函数的功能：
装饰器需要接收一个函数对象做为参数，然后对其函数做包装（即增强该函数的功能）。
装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能 测试、事务处理等。装饰器是解决这类问题的绝佳设计，有了装饰器，就可以 抽离出大量函数中 与函数功能本身无关的雷同代码 并继续重用。概括的讲，装饰器的作用是 为已经存在的对象添加额外的功能。
例1：使用装饰函数在函数执行前和执行后分别附加额外功能
def myfunc():
print "myfunc called"
def deco(func):
print "before myfunc() called"
func()
print "after myfunc() called"
return func
deco(myfunc) In [5]: def f1():
...: print "hello uplooking"
...: print "welcome to python"
...:
In [6]: def f2(func):
...: print "before ........"
...: func()
...: print "after........"
...:
In [7]: f2(f1)
before ........
hello uplooking
welcome to python
after........例2：使用语法糖@来装饰函数
def deco(func):
print "before myfunc() called"
func()
print "after myfunc() called"
return func
@deco
def myfunc():
print "myfunc called" In [11]: def f3(func):
print "before .............."
func()
print "after ..............."
....:
In [12]: @f3
def f4():
print "xxxxxxxxxxxx"
print "yyyyyyyyyyyyy"
....:
before ..............
xxxxxxxxxxxx
yyyyyyyyyyyyy
after ...............
或：
def myfunc(x):
return x
def deco(func):
def _deco(x):
return func(x)*x
# 不需要返回func，实际上应返回原函数的返回值
return _deco
myfunc=deco(myfunc) #前一个myfunc仅是自定义的变量名，后一个myfunc是上面的函数名；等号右侧的表达式返回一个函数
print myfunc(2) #执行返回的新函数(也就是说将上面定义的myfunc函数代入deco的_deco本地函数，然后执行)
In [21]: def f1(number):
return number+10
....:
In [22]: def deco(func):
def _deco(x):
return func(x)*x
return _deco
....:
In [23]: f2=deco(f1)
In [24]: f2(5)
Out[24]: 75
例3：使用内嵌包装函数来确保每次新函数都被调用
内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
def deco(func):
def _deco():
print "before myfunc() called"
func()
print "after myfunc() called"
return _deco
@deco
def myfunc(): #将myfunc()函数作为参数的形式传递给deco函数的func参数
print "myfunc called"
myfunc()例4：对带参数的函数进行装饰
内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
def deco(func):
def _deco(a,b):
print "before myfunc() called"
ret=func(a,b)
print "after myfunc() called"
return ret
return _deco
@deco
def myfunc(a,b):
print "myfunc(%s,%s) called" % (a,b)
return a+b
myfunc(1,2) In [27]: def deco(func):
def _deco(x,y):
print ".....function before......."
result=func(x,y)
print ".....function after ......"
return result
return _deco
....:
In [28]: @deco
....: def f1(i,j):
....: print "%d * %d = %d" % (i,j,i*j)
....: return i*j
....:
In [31]: f1(4,6)
.....function before.......
4 * 6 = 24
.....function after ......
Out[31]: 24例5：对参数数量不确定的函数进行装饰
def deco(func):
def _deco(*args,**kwargs):
print "before %s called." % func.__name__
ret=func(*args,**kwargs)
print "after %s called. result: %s" % (func.__name__, ret)
return ret
return _deco
@deco
def myfunc(a, b):
print "myfunc(%s,%s) called." % (a, b)
return a+b
@deco
def myfunc2(a, b, c):
print "myfunc2(%s,%s,%s) called." % (a, b, c)
return a+b+c
myfunc(1, 2)
myfunc(3, 4)
myfunc2(1, 2, 3)
myfunc2(3, 4, 5)例6：在例5的基础上，让装饰器带参数，和上一示例相比在外层多了一层包装。装饰函数名实际上应更有意义些
def deco(arg):
def _deco(func):
def __deco():
print "before %s called [%s]." % (func.__name__, arg)
func()
print "after %s called [%s]." % (func.__name__, arg)
return __deco
return _deco
@deco("mymodule")
def myfunc():
print(" myfunc() called.")
@deco("module2")
def myfunc2():
print(" myfunc2() called.")
myfunc()
myfunc2()
In [48]: def deco(arg):
....: def _deco(func):
....: def __deco(*args):
....: print "======function before======"
....: func(*args)
....: print "function after: %s , %s " % (func.__name__,arg)
....: return __deco
....: return _deco
....:
In [49]: @deco("module1")
....: def f1(var):
....: print "enter arguments:%s" %var
....:
In [50]: @deco("module2")
....: def f2(x,y):
....: print "%d * %d = %d" % (x,y,x*y)
....:
In [55]: f1("test")
======function before======
enter arguments:test
function after: f1 , module1
In [56]: f2(4,6)
======function before======
4 * 6 = 24
function after: f2 , module2
In [57]:例7：让装饰器带 类 参数
class locker:
def __init__(self):
print("locker.__init__() should be not called.")
@staticmethod
def acquire():
print("locker.acquire() called.（这是静态方法）")
@staticmethod
def release():
print(" locker.release() called.（不需要对象实例）")
def deco(cls):
'''cls 必须实现acquire和release静态方法'''
def _deco(func):
def __deco():
print("before %s called [%s]." % (func.__name__, cls))
cls.acquire()
try:
return func()
finally:
cls.release()
return __deco
return _deco
@deco(locker)
def myfunc():
print(" myfunc() called.")
myfunc()
myfunc()
递归
递归需要边界条件，递归前进段和递归返回段：
def fact(n):
if n<=1: return 1
else: return n*fact(n-1) fact(3) 就相当于 3 * fact(3-1) = 3 * 2 * face(1) = 3 * 2 * 1
fact(6)
fact(10)
Python函数式编程：
函数式编程：也称为泛函编程，是一种编程范型。它将电脑运算视为数据上的函数计算，并且避免状态以及可变数据。函数式编程语言最重要的基础是lambda演算，而且lambda演算的函数可以接受函数当作输入、输出。
python支持有限的函数式编程功能:
filter(func,seq) 调用一个布尔函数func来迭代遍历每上seq中的元素；返回一个使func返回值为true的元素的序列。
map(func,seq1[,seq2...]) 将函数func作用于给定序列(seq1)的每个元素，并用一个列表来提供返回值；如果func为None，func表现为一个身份函数，返回一个含有每个序列中元素集合的n个元组的列表。
reduce(func,seq[,init]) 将二元函数作用于seq序列的元素，每次携带一对(先前的结果以及下一个序列元素)，连续地将现有的结果和下一个值作用在获得的随后的结果上，最终将序列减少到一个单一的返回值；如果指定初始值init，第一个比较会是init和序列中的第一个元素，而不是序列的前两个元素。
filter过滤器
例：
def f1(x):
if x > 20:
return True
else:
return False
l1=[1,5,10,30,80,100]
filter(f1,l1) 返回一个符合条件的列表 filter()为已知序列的每个元素调用给定的布尔函数
调用中，返回值为非零值的元素将被添加至一个列表中
作业：/etc/passwd文件中，返回 /bin/bash字串的用户名
map()映射器
map() 将函数调用"映射"到每个序列的对应元素上，并返回一个含有所有返回值的列表
map()将使用func函数对不同序列的同一个元素作运算处理，并将每个元素的处理结果整合成一个元组，最后将所有元组再返回成一个元组列表
例：
l1=[0,1,2,3,4,5,6]
l2=['Sun','M','Tu','W','T','F','S']
map(None,l1,l2) 由于func为None，所以将返回[(0,'Sun'),(1,'M'),(2,'Tu'),(3,'W'),(4,'T'),(5,'S'),(6,'S')] 的一个元组列表
def f3(x):
return x*2
map(f3,l1)
map(f3,l2)
def f4(x,y):
return x*2,y*2
map(f4,l1,l2)reduce() 只接收两个参数，返回一个值
def f5(x,y):
return x+y
reduce(f5,l1) 即将l1列表中的每个元素相加，返回结果
reduce(f5,l1,10) 将初始值加上l1 列表中的每个元素，返回最终结果。
>>> list1=range(10)
>>> print list1
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> filter(lambda x:x%2==0,list1)
[0, 2, 4, 6, 8]
>>> map(lambda x:x**2,list1)
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> list2=map(lambda x:x**2,list1)
>>> reduce(lambda x,y:x+y, list2)zip函数
list1=[1,2,3,4]
list2=['a','b','c','d']
list3=[11,22,33,44]
print zip(list1,list2,list3)
输出结果为：[(1, 'a', 11), (2, 'b', 22), (3, 'c', 33), (4, 'd', 44)] 随机函数：
import random
print random.random()
#生成0至1之间的小数
print random.randint(1,5)
#生成1至5的整数
print random.randrange(1,5)
#生成1至4的整数
例：生成六位随机数
code=[]
for i in range(6):
if i==random.randint(1,5):
code.append(str(i))
else:
code.append(chr(random.randint(65,90)))
print "".join(code)
内置md5函数：
import hashlib
hash=hashlib.md5()
hash.update("admin")
print hash.hexdigest()
print hash.digest()
常用内置函数：
print 3*4
print eval("3*4")
#算术运算字符串表达式
print divmod(9,4)
#返回表达式的商及余数
print pow(2, 10)
#返回2的10次方
print chr(65)
#返回Ascii码65对应的字符
print ord("a")
#返回字符"a"对应的Ascii码
list2=["aa","bb","cc"]
for item in enumerate(list2):
print item
#遍历出列表中每个元素的值与对应下标
id type import reload help dir var
dir()和vars()的区别就是dir()只打印属性（属性,属性......）而vars()则打印属性与属性的值（属性：属性值......）
自定义字符串的格式化输出:
str1='I am {0},the working of the {1}'
print str1.format("tom","computer")
输出结果为：I am tom,the working of the computer
执行函数时也可以使用apply(function_name())的方式
总结：
在python语言中，定义(声明)函数时，使用def语句。
def function_name(arg1,....):
func_suite
当程序遇到def时就会生成一个函数对象，并且这个函数对象被命名为func_name(该名称从某种角度上也可以理解成一个变量名，只是该变量名是为了引用一个函数对象而建立的)，并生成函数体。此函数对象靠函数名来引用。函数体内部的语句只有在函数被调用时才会被执行，而函数结束时( 函数返回后)，其内部生成的数据都会被销毁。
列表解析与生成器：
for i in ( j**2 for j in range(1,11)):
print i
生成器不能相列表解析一样将某个元素弹出或添加新元素或切片等。因为生成器并不是列表，它只是模拟了列表的一些行为。所以列表的很多功能在生成器中是无法实现的。
可以使用list将生成器转换成列表
list((i**2 for i in range(1,11)))
生成器本身是延迟计算。可以使用自定义函数实现生成器的功能，如下：
def genNum(x):
y = 0
while y <= x:
yield y yield将返回一个生成器对象。而且每次函数执行都会记录前一次的结果。
y +=1
g1=genNum(10)
type(g1)
g1.next()
g1.next()
def genNum2(n):
m = 1
while m <= n:
yield m**2
m +=1
g2 = genNum2(20)
for i in g2:
print i
函数中使用yield，会返回一个生成器对象。
协程：yield写在表达式右侧，实现协程目的
函数的设计规范：
耦合性：
(1)尽可能通过参数授受输入，适就更多场景。以及通过return产生输出，以保证函数的独立性。
(2)尽量减少使用全局变量进行函数间通信。
(3)不要在函数中修改可变类型的参数。
(4) 避免直接改变定义在另外一个模块中的变量。
聚合性：
(1)每个函数都应该有一个单一的、统一的目标。
(2)每个函数的功能都应该相对简单。
输入：参数、全局变量、文件/流
输出：return语句、可变参数、全局变量、文件/流
相关文章