一鍵掌握：Python 函數聲明與調用的 20 個優秀實踐
作者：手把手PythonAI編程
本文我們用最接地氣的方式，揭開Python函數的神秘面紗，掌握那些讓代碼飛起來的20個小技巧。
今天我們要一起探索的是Python世界中的一塊基石——函數！想象一下，像魔術師一樣，輕輕一揮手，復雜的任務就被封裝成簡潔的命令，這就是函數的魅力。下面，讓我們用最接地氣的方式，揭開它的神秘面紗，掌握那些讓代碼飛起來的20個小技巧。
1. 基礎中的基礎：Hello, Function!
def say_hello(name="World"):
print(f"Hello, {name}!")
say_hello("Pythonista") # 輸出: Hello, Pythonista!解密：def是定義函數的關鍵詞，say_hello是函數名，括號內是參數，如果沒有提供參數，就用默認值。
2. 參數傳遞：位置VS關鍵字
def greet(firstName, lastName):
print(f"Hi, I'm {firstName} {lastName}")
greet(lastName="Smith", firstName="John") # 明確指定參數名小貼士：通過名字指定參數，讓代碼更易讀，特別是參數多時。
3. *args 和 **kwargs：無限參數的秘密
def super_greet(*names): # *args 收集位置參數
for name in names:
print(f"Hello, {name}!")
super_greet("Alice", "Bob", "Charlie") # 多個名字一次性處理
def versatile_greet(**details): # **kwargs 收集關鍵字參數
for key, value in details.items():
print(f"{key.title()}: {value}")
versatile_greet(age=25, city="New York") # 關鍵信息一網打盡神奇之處：*args和**kwargs讓你的函數可以接受任意數量的參數，超級靈活！
4. 返回值不只是一個
def multiple_returns():
return "Success", 200
result, status = multiple_returns()
print(result, status) # 輸出: Success 200多才多藝：函數可以返回多個值，其實是以元組的形式返回的。
5. 文檔字符串：讓代碼會說話
def calculate_area(radius):
"""
計算圓的面積。
參數:
radius (float): 圓的半徑
返回:
float: 圓的面積
"""
import math
return math.pi * radius**2
print(calculate_area.__doc__) # 查看文檔字符串文明交流：良好的文檔字符串是團隊合作的潤滑劑，也是自我復習的好幫手。
6. 默認參數的坑
def append_to_list(item, my_list=[]):
my_list.append(item)
return my_list
print(append_to_list(1)) # [1]
print(append_to_list(2)) # 注意！這里會是 [1, 2]，不是預期的 [2]警告：默認參數在函數定義時就初始化了，多次調用時會保留之前的值，小心這個陷阱。
7. 變量作用域：誰能訪問我？
x = "global"
def scope_test():
x = "local"
print(x) # local
scope_test()
print(x) # global名字游戲：在函數內部定義的變量默認是局部的，不會影響到外部的同名變量。
8. 非局部變量的修改
y = 10
def modify_outer():
global y # 告訴Python你想修改外部的y
y = 20
modify_outer()
print(y) # 輸出: 20特權操作：使用global關鍵字可以讓函數內部修改全局變量，但要謹慎使用。
9. 閉包：函數內的函數
def counter():
count = 0
def increment():
nonlocal count
count += 1
return count
return increment
my_counter = counter()
print(my_counter()) # 1
print(my_counter()) # 2內外有別：閉包允許內部函數訪問并修改外部函數的變量，而外部函數返回的是內部函數的引用。
10. 裝飾器：給函數穿上花衣
def my_decorator(func):
def wrapper():
print("Something is happening before the function is called.")
func()
print("Something is happening after the function is called.")
return wrapper
@my_decorator
def say_hello():
print("Hello!")
say_hello()裝飾生活，裝飾函數：裝飾器是Python的一大特色，它可以在不修改原函數代碼的情況下增加新功能。
高級使用場景
11. 遞歸：自己調用自己的藝術
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
print(factorial(5)) # 輸出: 120無限循環的智慧：遞歸是解決某些問題的強大工具，但要注意避免無限循環，確保有一個清晰的終止條件。
12. 匿名函數lambda：簡潔之美
double = lambda x: x * 2
print(double(5)) # 輸出: 10
squared = lambda x: x**2
numbers = [1, 2, 3]
print(list(map(squared, numbers))) # 輸出: [1, 4, 9]一閃即逝的美：lambda函數適合簡單的操作，它們無需定義即可使用，非常適合用在高階函數中。
13. map()函數：批量操作的藝術
def square(n):
return n*n
numbers = [1, 2, 3, 4]
squared_numbers = list(map(square, numbers))
print(squared_numbers) # 輸出: [1, 4, 9, 16]
# 或者用lambda簡化
simplified = list(map(lambda x: x*x, numbers))
print(simplified) # 同上批量處理好幫手：map函數對序列的每個元素應用指定函數，返回一個迭代器對象，通常轉換為列表使用。
14. filter()函數：篩選高手
def is_even(n):
return n % 2 == 0
numbers = [1, 2, 3, 4, 5, 6]
even_numbers = list(filter(is_even, numbers))
print(even_numbers) # 輸出: [2, 4, 6]
# 簡化版
even_with_lambda = list(filter(lambda x: x % 2 == 0, numbers))
print(even_with_lambda) # 同上只選對的：filter函數根據提供的函數來篩選序列中的元素，返回一個迭代器，同樣常用list轉換。
15. reduce()函數：累積計算的秘密武器
from functools import reduce
def accumulator(acc, item):
return acc + item
numbers = [1, 2, 3, 4]
sum_of_numbers = reduce(accumulator, numbers, 0)
print(sum_of_numbers) # 輸出: 10
# 或用lambda簡化
sum_with_lambda = reduce(lambda acc, item: acc + item, numbers, 0)
print(sum_with_lambda) # 同上累積力量：reduce將一個函數應用于序列的所有元素，累積結果，非常適合求和、乘積等操作。
16. 偏函數partial：定制化的便捷
from functools import partial
def power(base, exponent):
return base ** exponent
square = partial(power, exponent=2)
print(square(5)) # 輸出: 25
cube = partial(power, exponent=3)
print(cube(3)) # 輸出: 27定制你的函數：偏函數可以固定原函數的部分參數，生成新的函數，非常適用于需要多次調用且參數變化不大的場景。
17. 遞歸優化與尾遞歸
# 注意：Python標準解釋器不直接支持尾遞歸優化
def factorial_tail(n, accumulator=1):
if n == 1:
return accumulator
else:
return factorial_tail(n-1, n*accumulator)
print(factorial_tail(5)) # 輸出: 120尾聲：雖然Python沒有內置的尾遞歸優化，理解尾遞歸的概念對理解函數調用棧很有幫助。
18. 閉包進階：數據封裝
def counter_maker():
count = 0
def increment():
nonlocal count
count += 1
return count
return increment
counter1 = counter_maker()
counter2 = counter_maker()
print(counter1(), counter1()) # 輸出: 1 2
print(counter2(), counter2()) # 輸出: 1 2工廠模式：閉包可以用來創建具有獨立狀態的函數，類似于面向對象中的實例。
19. 高階函數：函數的函數
def apply_operation(func, a, b):
return func(a, b)
add = lambda x, y: x + y
subtract = lambda x, y: x - y
print(apply_operation(add, 5, 3)) # 輸出: 8
print(apply_operation(subtract, 5, 3)) # 輸出: 2函數的魔力：高階函數可以接受函數作為參數或返回函數，這是函數式編程的核心概念。
20. 裝飾器進階：帶參數的裝飾器
def repeat(n):
def decorator(func):
def wrapper(*args, **kwargs):
for _ in range(n):
func(*args, **kwargs)
return wrapper
return decorator
@repeat(3)
def say_hello():
print("Hello!")
say_hello() # 輸出: Hello! Hello! Hello!裝飾器的新維度：帶參數的裝飾器讓裝飾器本身也變得靈活，可以根據需要調整行為。
至此，我們探索了Python函數從基礎到進階的20個最佳實踐，每一個點都是打開新視野的鑰匙。
責任編輯：趙寧寧
來源：
手把手PythonAI編程
