[Python知识库] Python基础—

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> Python基础——函数（二） -> 正文阅读

[Python知识库]Python基础——函数（二）

文章目录

函数和过程

在许多编程语言中，函数和过程其实是分开的。一般认为函数（function）是有返回值的，而过程（procedure）是简单、特殊并且没有返回值的。Python严格来说，只有函数，没有过程。举个例子：

在这里插入图片描述

调用print(hello())之后打印了两行文字，第一行我们当然知道是hello()函数执行的，第二行的None是怎么回事呢？其实，当不写return语句的时候，默认Python会认为函数是return None的。所以说Python所有的函数都有返回值。

函数变量的作用域

也许大家已经听说了局部变量和全局变量，变量的作用域也就是平常所说的变量可见性，一般的编程语言都有局部变量（Local Variable） 和 全局变量（Global Variable） 之分。

# 计算折扣价
def discounts(price, rate):
    final_price = price * rate
    return final_price

old_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)

其执行结果如下：

在这里插入图片描述

局部变量

这是一个简单的计算折扣价的代码段，来分析一下代码：在函数discounts()中，两个参数是price和rate，还有一个是final_price，它们都是discounts()函数中的局部变量。为什么称为局部变量呢，不妨修改一下代码：

# 计算折扣价
def discounts(price, rate):
    final_price = price * rate
    return final_price

old_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)

# 添加一行试图打印局部变量final_price的值
print("打印局部变量final_price的值：", final_price)

在这里插入图片描述

可以看到程序像刚才一样输出之后便报错了，错误原因是：final_price没有被定义过，也就是说，Python找不到final_price这个变量。这是因为final_price只是一个局部变量，它的作用只在它的地盘上——discounts()函数的定义范围内——有效，出了这个范围，就不属于它的地盘了，它将什么都不是。

总结一下：在函数里边定义的参数以及变量，都称为局部变量，出了这个函数，这些变量都是无效的。 事实上的原理是，Python在运行函数的时候，利用栈（Stack）进行存储，当执行完该函数后，函数中的所有数据都会被自动删除，所以在函数外边是无法访问到函数内部的局部变量的。

全局变量

与局部变量相对的是全局变量，程序中的old_price、new_price、rate都是在函数外边定义的，它们都是全局变量，全局变量拥有更大的作用域，例如在函数中可以访问到它们：

# 计算折扣价
def discounts(price, rate):
    final_price = price * rate
    # 添加一行试图打印全局变量old_price的值
    print("打印全局变量old_price的值：", old_price)
    return final_price

old_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("打折后的价格是：", new_price)

其执行结果为：

在这里插入图片描述

可以看到全部变量的访问范围更广，不过使用全局变量的时候要千万小心，在Python中，你可以在函数中肆无忌惮的访问一个全局变量，但是如果你试图去修改它，就会出现下面这样的结果：

# 计算折扣价
def discounts(price, rate):
    final_price = price * rate
    old_price = 50  # 这里试图修改全部变量
    print("在局部变量中修改后的old_price的值是：", old_price)
    return final_price

old_price = float(input("请输入原价："))
rate = float(input("请输入折扣率："))
new_price = discounts(old_price, rate)
print("全局变量old_price现在的值是：", old_price)
print("打折后的价格是：", new_price)

其执行结果为：

在这里插入图片描述

出现这个结果的原因是：如果在函数内部试图修改全局变量，那么Python会创建一个新的局部变量替代（名字跟全局变量相同），但真正的全部变量是没有改变的，所以实现会和大家预期的不同。

总结一下：全局变量在整个代码段中都是可以访问到的，但是不要试图在函数内部去修改全局变量的值，因为那样Python会自动在函数内部新建一个名字相同的局部变量代替。

global关键字

上面提到，全局变量的作用域是整个模块，也就是代码段内所有的函数内部都可以访问到全局变量。但需要注意的是，在函数内部仅仅访问全局变量可以，不要试图去修改它。因为那样的话，Python会使用 屏蔽（Shadowing） 的方式“保护”全局变量：一旦函数内部试图修改全局变量，Python就会在函数内部自动创建一个名字一样的局部变量，这样修改的结果只会修改到局部变量，而不会影响全局变量。举个小例子：

在这里插入图片描述

如果你认为有必要在函数中去修改这个全局变量，那么你不妨可以使用global关键字来达到目的。

在这里插入图片描述

内嵌函数（内部函数）

Python的函数定义是可以嵌套的，也就是允许在函数内部创建另一个函数，这种函数叫作内嵌函数或者内部函数。下面看一个简单的内嵌函数的例子：

在这里插入图片描述

关于内部函数的使用，有一个比较值得注意的地方，就是内部函数整个作用域都在外部函数之内，就像上述例子中的fun2()整个函数的作用域都在fun1()里边。除了在fun1()这个函数体中可以随意调用fun2()这个内部函数外，出了fun1()，就没有任何可以对fun2()进行的调用。
如果在fun1()外调用内部函数fun2()，就会报错：

在这里插入图片描述

闭包（closure）

闭包（closure）是函数式编程的一个重要的语法结构，函数式编程是一种编程范式，不同的编程语言实现闭包的方式不同，Python中的闭包从表现形式上定义为：如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包（closure）。举个例子：

在这里插入图片描述

也可以这样写：

在这里插入图片描述

通过上面的例子来理解闭包的概念：如果在一个内部函数里（funY就是这个内部函数）对外部作用域（但不是在全局作用域）的变量进行引用（x就是被引用的变量，x在外部作用域funX函数里面，但不在全局作用域里），则这个内部函数（funY）就是一个闭包。

使用闭包需要注意的是，因为闭包的概念就是由内部函数而来的，所以也不能在外部函数以外的地方对内部函数进行调用：

在这里插入图片描述

在闭包中，外部函数的局部变量对应内部函数的局部变量，事实上相当于之前讲的全局变量跟局部变量的对应关系，在内部函数中，只能对外部函数的局部变量进行访问，但不能进行修改。

再看一个例子：

在这里插入图片描述

这个报错信息跟之前讲解全局变量的时候基本一样，Python认为在内部函数（funY）的x是局部变量的时候，外部函数（funX）的x就被屏蔽了起来，所以执行 x *= x 的时候，在右边根本就找不到局部变量x的值，因此报错。

而在Python3中，对于这个问题，也有解决办法——nonlocal关键字。
如果希望在内部函数里可以修改外部函数里的局部变量的值，那么就可以使用nonlocal关键字，使用方式和global关键字一样：

在这里插入图片描述

lambda表达式

Python允许使用lambda关键字来创建匿名函数。
Python中的lambda表达式语法非常精简，其基本语法是：
$参数 1 ，参数 2 ， . . . : 返回值$
在冒号（：）左边放原函数的参数，可以有多个参数，用逗号（，）隔开即可；冒号右边是返回值。

给一个简单的例子：

在这里插入图片描述

其写为lambda表达式来定义这个函数，就会变为这样：

在这里插入图片描述

我们发现lambda语句实际上是返回一个函数对象，如果要对它进行使用，只需要进行简单的赋值操作即可：

在这里插入图片描述

当然，如果有多个参数直接用逗号隔开即可：

在这里插入图片描述

lambda表达式的作用：
1、 Python写一些执行脚本时，使用lambda就可以省下定义函数过程，就不需要专门定义一个函数然后再写调用，使用lambda就可以使得代码更加精简。
2、对于一些比较抽象并且整个程序执行下来只需要调用一两次的函数，有时候给函数起名是个比较头疼的问题，使用lambda就不需要考虑命名的问题了。
3、简化代码的可读性，由于阅读普通函数经常要跳到开头def定义的位置，使用lambda函数可以省去这样的步骤。

两个常用BIF：filter()和map()

接下来介绍两个比较实用的BIF：filter()和map()。

一、filter()

这一个内建函数是一个过滤器。我们每天会接触大量的数据，通过过滤器，就可以保留你所关注的信息，把其他不感兴趣的东西直接丢掉。那么Python中的这个filter()是怎么实现这个功能呢？先来看一下Python给出的函数部分注释：

在这里插入图片描述

这里只截取了关于函数用法的部分，大概意思是：filter有两个参数，第一个参数可以是一个函数也可以是None，如果第一个参数是一个函数的话，则将第二个可迭代数据里的每一个元素作为函数的参数进行计算，把返回True的值筛选出来；如果第一个参数为None，则直接将第二个参数中为True的值筛选出来。

举几个简单例子：

1、第一个参数为None时

在这里插入图片描述