python入门到脱坑 函数—函数的调用
ztj100 2025-06-23 23:42 17 浏览 0 评论
Python函数调用详解
函数调用是Python编程中最基础也是最重要的操作之一。下面我将详细介绍Python中函数调用的各种方式和注意事项。
一、基础函数调用
1.1 无参数函数调用
def greet():
print("Hello, World!")
# 调用函数
greet() # 输出: Hello, World!
1.2 带参数函数调用
def greet(name):
print(f"Hello, {name}!")
# 调用方式1:位置参数
greet("Alice") # 输出: Hello, Alice!
# 调用方式2:关键字参数
greet(name="Bob") # 输出: Hello, Bob!
二、不同类型的参数传递
2.1 位置参数调用
def describe_pet(animal_type, pet_name):
print(f"I have a {animal_type} named {pet_name}.")
describe_pet('hamster', 'Harry')
# 输出: I have a hamster named Harry.
2.2 关键字参数调用
describe_pet(pet_name='Harry', animal_type='hamster')
# 输出: I have a hamster named Harry.
2.3 默认参数调用
def describe_pet(pet_name, animal_type='dog'):
print(f"I have a {animal_type} named {pet_name}.")
describe_pet('Willie') # 使用默认值
# 输出: I have a dog named Willie.
describe_pet('Harry', 'hamster') # 覆盖默认值
# 输出: I have a hamster named Harry.
三、特殊参数调用方式
3.1 可变数量参数(*args)
def make_pizza(*toppings):
print("Making pizza with:")
for topping in toppings:
print(f"- {topping}")
make_pizza('pepperoni')
make_pizza('mushrooms', 'green peppers', 'extra cheese')
3.2 关键字可变参数(**kwargs)
def build_profile(first, last, **user_info):
profile = {}
profile['first_name'] = first
profile['last_name'] = last
for key, value in user_info.items():
profile[key] = value
return profile
user_profile = build_profile('albert', 'einstein',
location='princeton',
field='physics')
print(user_profile)
四、函数返回值的使用
4.1 使用单个返回值
def get_formatted_name(first_name, last_name):
full_name = f"{first_name} {last_name}"
return full_name.title()
musician = get_formatted_name('jimi', 'hendrix')
print(musician) # 输出: Jimi Hendrix
4.2 使用多个返回值
def min_max(numbers):
return min(numbers), max(numbers)
min_val, max_val = min_max([1, 2, 3, 4, 5])
print(f"最小值: {min_val}, 最大值: {max_val}")
五、高级调用技巧
5.1 函数作为参数传递
def apply_operation(x, y, operation):
return operation(x, y)
def add(a, b):
return a + b
result = apply_operation(2, 3, add)
print(result) # 输出: 5
5.2 Lambda函数调用
square = lambda x: x * x
print(square(5)) # 输出: 25
# 直接调用匿名lambda
print((lambda x: x * x)(5)) # 输出: 25
5.3 函数链式调用
def add_one(x):
return x + 1
def square(x):
return x * x
result = square(add_one(2)) # (2+1)^2
print(result) # 输出: 9
六、递归函数调用
6.1 基本递归
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
print(factorial(5)) # 输出: 120
6.2 尾递归优化
def factorial(n, accumulator=1):
if n == 0:
return accumulator
else:
return factorial(n-1, n*accumulator)
print(factorial(5)) # 输出: 120
七、常见调用错误
7.1 参数数量不匹配
def greet(name, age):
print(f"{name} is {age} years old")
greet("Alice") # TypeError: missing 1 required positional argument
7.2 参数顺序错误
def divide(a, b):
return a / b
divide(0, 5) # 正确
divide(5, 0) # ZeroDivisionError
7.3 未处理返回值
def get_user():
return {"name": "Alice", "age": 25}
# 忘记使用返回值
get_user() # 返回值被丢弃
八、最佳实践
- 明确参数传递:优先使用关键字参数提高可读性
- 参数验证:在函数开始处验证参数有效性
- 合理返回值:确保函数返回值类型一致
- 避免副作用:函数不应修改传入的可变参数
- 文档注释:为函数编写清晰的docstring
def calculate_area(length: float, width: float) -> float:
"""计算矩形面积
参数:
length: 长度(单位:米)
width: 宽度(单位:米)
返回:
面积(单位:平方米)
异常:
ValueError: 当长度或宽度为负数时抛出
"""
if length < 0 or width < 0:
raise ValueError("长度和宽度必须为正数")
return length * width
通过掌握这些函数调用技巧,你将能够更加灵活高效地使用Python函数。
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)