Python-函数

1 minute read

Published:

函数

函数变量作用域

Python 函数中变量的作用域和其他语言类似。如果变量是在函数内部定义的,就称为局部变量,只在函数内部有效。一旦函数执行完毕,局部变量就会被回收,无法访问。

全局变量则是定义在整个文件层次上的,比如下面这段代码:

MIN_VALUE = 1
MAX_VALUE = 10
def validation_check(value):
if value < MIN_VALUE or value > MAX_VALUE:
raise Exception('validation check fails')

这里的 MIN_VALUE 和 MAX_VALUE 就是全局变量,可以在文件内的任何地方被访问,当然在函数内部也是可以的。不过,我们不能在函数内部随意改变全局变量的值,所以,如果我们一定要在函数内部改变全局变量的值,就必须加上 global 这个声明比如,下面的写法就是错误的:

MIN_VALUE = 1
MAX_VALUE = 10
def validation_check(value):
...
MIN_VALUE += 1
...
validation_check(5)

UnboundLocalError: local variable ‘MIN_VALUE’ referenced before assignment

所以,如果我们一定要在函数内部改变全局变量的值,就必须加上 global 这个声明

闭包

闭包其实和嵌套函数类似,不同的是,这里外部函数返回的是一个函数,而不是一个具体的值。返回的函数通常赋于一个变量,这个变量可以在后面被继续执行调用。

def nth_power(exponent):
    def exponent_of(base):
        return base ** exponent
    return exponent_of # 返回值是 exponent_of 函数
square = nth_power(2) # 计算一个数的平方
cube = nth_power(3) # 计算一个数的立方
square
# 输出
<function __main__.nth_power.<locals>.exponent(base)>

cube
# 输出
<function __main__.nth_power.<locals>.exponent(base)>

print(square(2)) # 计算 2 的平方
print(cube(2)) # 计算 2 的立方
# 输出
4 # 2^2
8 # 2^3

这里外部函数 nth_power() 返回值,是函数 exponent_of(),而不是一个具体的数值。需要注意的是,在执行完square = nth_power(2)和cube = nth_power(3)后,外部函数 nth_power() 的参数 exponent,仍然会被内部函数 exponent_of() 记住。这样,之后我们调用 square(2) 或者 cube(2) 时,程序就能顺利地输出结果,而不会报错说参数exponent 没有定义了。

匿名函数

lambda 是一个表达式(expression),并不是一个语句(statement).

square = lambda x: x**2
square(3)

9

函数式编程

所谓函数式编程,是指代码中每一块都是不可变的(immutable),都由纯函数(purefunction)的形式组成。这里的纯函数,是指函数本身相互独立、互不影响,对于相同的输入,总会有相同的输出,没有任何副作用。

让列表中的元素值都变为原来的两倍,非函数式编程

def multiply_2(l):
    for index in range(0, len(l)):
        l[index] *= 2
    return l

函数式编程:

def multiply_2_pure(l):
    new_list = []
    for item in l:
        new_list.append(item * 2)
    return new_list

函数式编程的特性:

  • 优点:主要在于其纯函数和不可变的特性使程序更加健壮,易于调试(debug)和测试;
  • 缺点:主要在于限制多,难写。当然,Python 不同于一些语言(比如Scala),它并不是一门函数式编程语言,不过,Python 也提供了一些函数式编程的特性,值得我们了解和学习。

Python 主要提供了这么几个函数:map()、filter() 和 reduce(),通常结合匿名函数lambda 一起使用。

  1. map(function, iterable) 函数:对 iterable 中的每个元素,都运用 function 这个函数,最后返回一个新的可遍历的集合。
  2. filter(function, iterable) 函数:它和 map 函数类似,function 同样表示一个函数对象。filter() 函数表示对 iterable 中的每个元素,都使用 function 判断,并返回True 或者 False,最后将返回 True 的元素组成一个新的可遍历的集合。
  3. reduce(function, iterable) 函数:它通常用来对一个集合做一些累积操作。参数function 同样是一个函数对象,规定它有两个参数,表示对 iterable 中的每个元素以及上一次调用后的结果,运用 function 进行计算,所以最后返回的是一个单独的数值。
#map实例
l = [1, 2, 3, 4, 5]
new_list = map(lambda x: x * 2, l) # [2, 4, 6, 8, 10]
#filter实例
l = [1, 2, 3, 4, 5]
new_list = filter(lambda x: x % 2 == 0, l) # [2, 4]
#reduce实例
l = [1, 2, 3, 4, 5]
product = reduce(lambda x, y: x * y, l) # 1*2*3*4*5 = 120

迭代器 生成器 装饰器

  • 容器是可迭代对象,可迭代对象调用 iter() 函数,可以得 到一个迭代器。迭代器可以通过 next() 函数来得到下一 个元素,从而支持遍历。
  • 生成器是一种特殊的迭代器(注意这个逻辑关系反之不成 立)。使用生成器,你可以写出来更加清晰的代码;合理使用生成器,可以降低内存占用、优化程序结构、提高程序速度。

装饰器

def my_decorator(func):
	def wrapper():
		print('wrapper of decorator')
		func()
	return wrapper

def greet():
	print('hello world')

greet = my_decorator(greet)
greet()

# 输出
wrapper of decorator
hello world

这里的函数 my_decorator() 就是一个装饰器,它把真正需 要执行的函数 greet() 包裹在其中,并且改变了它的行为,但是原函数 greet() 不变。

简洁模式

def my_decorator(func):
	def wrapper():
		print('wrapper of decorator')
		func()
	return wrapper
@my_decorator
def greet():
	print('hello world')

greet()