Python进阶

函数的定义和调用

函数定义通常采用def关键词,后面跟着函数名及圆括号内的参数列表。

def function_name (parameters):
    """函数文档字符串"""
    # 函数体
    ...
    return expression # 可选，用于返回函数结果

• function_name是函数名，应满足Python的标识符命名规则。
• parameters是传递给函数的变量名，多个参数之间用,分割，参数可以设置默认值。
• 函数文档字符串，是位于函数定义内部第一行的一对三引号包围的字符串，用于描述函数的功能、输入输出等信息，有助于编写文档和调试。
• 函数体内包含了函数需要执行的所有操作。
• retrun语句用于结束函数的执行并返回一个值给调用者，如果没有return，或者return语句后没有表达式，则默认返回None。

函数定义

# 定义一个greet函数，接受一个必传参数name，两个可选参数greeting, punctuation
def greet(name, greeting = 'Hello', punctuation = '!'):
    """打招呼"""
    return f"{name},{greeting}{punctuation}"

函数调用

print(greet('小明'))  # 使用默认值打招呼
print(greet('小明', 'Hi'))  # 覆盖greeting传参的默认值
print(greet('小明', 'Hi', '?'))  # 提供所有参数的值

Python中，除默认值参数之外（如上面的greet参数），函数的每个参数都是必传的，否则回出现语法错误。

• 必选参数（位置参数），在函数定义时没有提供默认值的参数被视为必选参数，必须按照它们在函数定义时的顺序提供相应实参，否则回导致语法错误。

def my_func(required_arg1, required_arg2):
    pass

调用时

# 必须这样调用，缺少任何一个参数会引发TypeError
my_func(value1, value2)

• 关键词参数，通过key=value的形式指定参数名来传入参数，关键词参数允许调用时忽略参数的顺序，只要参数名与函数定义的形参名一致即可。

def func(a, b, c):
    pass

调用

func(c=3, a=1, b=2)

• 混合使用位置参数和关键词参数
• • 位置参数必须出现在关键词参数之前。
• • 如果函数定义中有默认值的参数（即默认参数），则在没有指定关键词的情况下，后面的所有参数都必须作为关键词参数传递。

def func(required1, required2, default = None):
    pass

# 混合使用位置参数和关键词参数
func(1, 2, default = 3) # required1 = 1, required2 = 2, default = 3

*args 和 **kwargs是两种特殊语法，用于函数定义时收集不确定数量的参数。

*args用于接收任意数量的位置参数，并将它们以元组（tuple）的形式存储。当不确定回传递多少个位置参数时，可以使用。

def my_function(*args):
	print(type(args))  #<class 'tuple'>
	for arg in args:
		print(arg)

my_function(1, 2, 3, 'four')

**kwargs:用于接收任何数量的关键词参数，并将它们以字典（dict）的形式存储。当你不确定会传递多少个关键词参数给函数时，可以使用**kwargs

def my_function(**kwargs):
	print(typpe(kwargs))  # <class 'dict'>
	for key, value in kwargs.items()
		print(f"{key}:{value}")

my_function(a=1, b=2, c='three')

同时使用

def my_function(*args, **kwargs):
    print(args)  # 输出位置参数组成的元组 (1, 2, 3)
    print(kwargs)  # 输出关键字参数组成的字典 {'a': 4, 'b': 5}
    

my_function(1, 2, 3, a=4, b=5)

经典高阶函数

map()

• 接收一个函数和一个或多个序列作为参数。
• 将函数依次应用到各个序列的所有元素上，返回一个可迭代对象。

示例：list(map(func, iterable))，将func函数应用到iterable中的每个元素上。

map()经典案例一

1. 计算列表中所有整数的平方

numbers = [1, 2, 3, 4, 5]

squared_numbers = list(map(lambda x: x**2, numbers))

print(squared_numbers)  # [1, 4, 9, 16, 25]

这里拓展lambda

lambda是python中的一种特殊语法，用于创建匿名函数。这种函数没有名称，仅用于临时使用，常常出现在需要一次性定义简单功能的地方，比如作为高阶函数（map,filter,sorted）的参数。

lambda arguments: expression

arguments是你传递给函数的参数，可以又一个或者多个，多个参数之间用逗号分隔。
expression是函数体，是一个单行表达式，该表达式的计算结果就是函数的返回值。

普通函数定义：

def square(x):
	return x * x

使用lambda表达式：

square = lambda x : x * x

这里拓展list()

关于list()，在python3中，map()函数返回的是一个可迭代的映射对象（map object)，而不是列表，为了能够进一步直接查看或进一步处理转换后的结果，通常需要将其转换为列表或者其他序列类型。
以下示例会演示，如果不使用list()进行转换，仍然可以迭代map对象，但不能直接查看内容或者调用列表特有方法。

words = ['hello', 'world', 'python']
uppercased_word_map = map(str.upper,  words)

# 直接打印
print(uppercased_word_map)  输出 <map object at ox7f8c1...>

# 迭代map对象
for word in uppercased_word_map:
	print(word)  # HELLO WORDLE PYTHON

# 如果将其转换为列表
uppercased_words_list = list(uppercased_word_map)

print(uppercased_words_list)  # ['HELLO', 'WORDLE', 'PYTHON']

也可以用lambda函数来代替str.upper方法，但没必要这样做，因为str.upper已经是一个现成的函数，可以直接用于map()函数。

words = ['hello', 'world', 'python']
uppercased_words = list(map(lambda x: x.upper, words))
print(uppercased_word)   # ['HELLO', 'WORLD', 'PYTHON']

2. 合并两个列表的对应元素

list1 = [1, 2, 3]
list2 = ['a', 'b', 'c']

combined = list(map(lambda x, y: (x, y), list1, list2))

print(combined)  # [(1, 'a'), (2, 'b'), (3, 'c')]

filter()

• 接收一个函数和一个序列作为参数。
• 根据函数对序列的每个元素进行测试，只保留函数返回值为True的元素，返回一个包含这些元素的新迭代器或者列表
• 示例：list(filter(pred, iterable))， 筛选出iterable中pred(element)为True的元素。

迭代器（Iterator）是编程中一种重要的设计模式和抽象概念，它提供了一种统一且高效的方式来遍历任何支持迭代的数据结构（如列表、集合、字典、文件、生成器等），而无需了解这些数据结构的内部实现细节。

filter()经典案例一

1. 筛选出偶数

numbers = [1, 2, 3, 4, 5, 6, 7, 8]
evens_numbers = list(filter(lambda x: x % 2 == 0, numbers))

print(evens_numbers)  # [2, 4, 6, 8]

拓展列表list()

# 列表推导公式
evens_numbers3 = [x for x in evens_numbers if x % 2 == 0]

在这段示例中，filter函数接收一个lambda函数作为条件，该函数检查每一个元素是否能够被2整除，filter()返回一个包含所有偶数的迭代器，然后用list()将其转换为列表。

2. 筛选出字符串列表中长度大于3的字符串

words = ["apple", "banana", "cheery", "cat"]
long_words = list(filter(lambda x: len(x) > 3, words))

print(long_words)  # ['apple', 'banana', 'cheery']

filter()函数中使用一个lambda匿名函数来检查列表中每个字符串的长度是否大于3, 满足条件的字符串会被包含在返回的新迭代器中，再转换成列表。

3. 检查一个整数是否为质数

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]


def is_prime(n):
    if n < 2:
        return False
    for i in range(2, int(n*0.5) + 1):
        if n % i == 0:
            return False
    return True


primes = list(filter(is_prime, numbers))  # 输出：[2, 3, 5, 7]

reduce()

reduce()是一个高阶函数，主要作用是对一个可迭代对象（如列表、元组、集合等）中的元素应用一个二元函数（接收两个参数的函数），累计计算所有元素，并最终返回一个单一的累计结果。reduce()的经典示例包括求和，乘积、最大值、最小值、字符串拼接等。

1. 求和

from functools import reduce  # 在 Python 3 中需要导入 functools

numbers = [1, 2, 3, 4, 5]

sum_result = reduce(lambda x, y: x + y, numbers)

print(sum_result)

在这个例子中，reduce() 使用一个匿名函数（lambda 表达式）作为累加器，该函数接受两个参数 x 和 y，并返回它们的和。reduce() 将此函数应用于 numbers 列表的所有元素，从左到右依次计算：

1 + 2 = 3
3 + 3 = 6
6 + 4 = 10
10 + 5 = 15

2. 字符串拼接

from functools import reduce

strings = ['Hello', '', 'World', '!']

concat_result = reduce(lambda x, y: x + y, strings)

print(concat_result)  # 输出：Hello world!

这里，reduce() 使用一个类似的过程，但累加器函数是将两个字符串连接起来。reduce() 将字符串列表中的元素逐一拼接：

"Hello" + " " = "Hello "
"Hello " + "world" = "Hello world"
"Hello world" + "!" = "Hello world!"

3. 最大值

numbers = [3, 9, ½, 17, ⅓, 5]
max_result = reduce(lambda x, y: x if x > y else y, numbers)
print(max_result)  # 输出：17

这个例子中，累加器函数比较两个数的大小，返回较大的那个。reduce() 通过逐对比较列表中的数值来找出最大值：

3 与 9 比较，返回 9
9 与 ½ 比较，返回 9
9 与 17 比较，返回 17
17 与 ⅓ 比较，返回 17
17 与 5 比较，返回 17