初学Python函数的笔记整理

def my_abs(x):
 if x >= 0:
 return x
 else:
 return -x
 

返回多值

返回多值就是返回一个tuple

import math
 
def move(x, y, step, angle=0):
 nx = x + step * math.cos(angle)
 ny = y - step * math.sin(angle)
 return nx, ny

空函数

def nop():
 pass

指定默认参数

必选参数在前，默认参数在后。默认参数需指向不可变对象（默认参数值在函数定义时被计算）

def power(x, n=2):
 s = 1
 while n > 0:
 n = n - 1
 s = s * x
 return s

可变参数

def calc(*numbers):
 sum = 0
 for n in numbers:
 sum = sum + n * n
 return sum

调用可变参数的函数方法

>>> calc(1, 2)
5
>>> calc()
0
>>> nums = [1, 2, 3]
>>> calc(*nums)
14

关键字参数

def person(name, age, **kw):
 print 'name:', name, 'age:', age, 'other:', kw

调用关键字参数的方法

>>> person('Michael', 30)
name: Michael age: 30 other: {}
>>> person('Bob', 35, city='Beijing')
name: Bob age: 35 other: {'city': 'Beijing'}
>>> person('Adam', 45, gender='M', job='Engineer')
name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}
>>> kw = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **kw)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

注：

参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。
对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。

递归

如果一个函数在内部调用自身本身，这个函数就是递归函数。
尾递归

在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。
高阶函数

map(func, list)

map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。

>>> def f(x):
... return x * x
...
>>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, , 81]

reduce把一个函数作用在一个序列[x1, x2, x3…]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。

reduce(f, [x1, x2, x3, x4])
#相当于：
f(f(f(x1, x2), x3), x4)
 
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

filter(func_return_bool, list)

把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。

def is_odd(n):
 return n % 2 == 1
 
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]

sorted

对于两个元素x和y，如果认为x < y，则返回-1，如果认为x == y，则返回0，如果认为x > y，则返回1，

>>> sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]

高阶函数用法

def reversed_cmp(x, y):
 if x > y:
 return -1
 if x < y:
 return 1
 return 0
 
>>> sorted([36, 5, 12, 9, 21], reversed_cmp)
[36, 21, 12, 9, 5]

函数做为返回值

def lazy_sum(*args):
 def sum():
 ax = 0
 for n in args:
 ax = ax + n
 return ax
 return sum
 
>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f

>>> f()
25

注：每次调用lazy_sum()都会返回一个新的函数，即使传入相同的参数。
闭包

def count():
 fs = []
 for i in range(1, 4):
 def f():
 return i*i
 fs.append(f)
 return fs
 
f1, f2, f3 = count()
>>> f1()
9
>>> f2()
9
>>> f3()
9

原因是调用count的时候循环已经执行，但是f()还没有执行，直到调用其时才执行。所以返回函数不要引用任何循环变量，或者后续会发生变化的变量。
匿名函数（lambda表达式）

等价于:

def f(x):
 return x * x

关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数做为返回值

def build(x, y):
 return lambda: x * x + y * y

装饰器（@func）

在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator），本质上，decorator就是一个返回函数的高阶函数。

def log(func):
 def wrapper(*args, **kw):
 print 'call %s():' % func.__name__
 return func(*args, **kw)
 return wrapper
 
@log
def now():
 print '2013-12-25'
 
>>> now()
call now():
2013-12-25
 
#相当于执行：
 
now = log(now)
回到顶部
带参数的装饰器
 
def log(text):
 def decorator(func):
 def wrapper(*args, **kw):
 print '%s %s():' % (text, func.__name__)
 return func(*args, **kw)
 return wrapper
 return decorator
 
@log('execute')
def now():
 print '2013-12-25'
 
#执行结果
>>> now()
execute now():
2013-12-25
 
#相当于执行：
 
>>> now = log('execute')(now)

剖析：首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。

import functools
 
def log(func):
 @functools.wraps(func)
 def wrapper(*args, **kw):
 print 'call %s():' % func.__name__
 return func(*args, **kw)
 return wrapper
 
#对于带参函数
 
import functools
 
def log(text):
 def decorator(func):
 @functools.wraps(func)
 def wrapper(*args, **kw):
 print '%s %s():' % (text, func.__name__)
 return func(*args, **kw)
 return wrapper
 return decorator

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')

>>> int2('1010101')
85
 
#相当于：
 
def int2(x, base=2):
 return int(x, base)
 
max2 = functools.partial(max, 10)

相当于为max函数指定了第一个参数

max2(5, 6, 7)
 
#相当于：
 
max(10, 5, 6, 7)