🤵♂️ 个人主页:@艾派森的个人主页
✍🏻作者简介:Python学习者
🐋 希望大家多多支持,我们一起进步!😄
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+
Python3 函数
函数是组织好的,可重复使用的,用来实现单一,或相关联功能的代码段。
函数能提高应用的模块性,和代码的重复利用率。前面我们用过了很多python内置函数,比如print(),input()等。但你也可以自己创建函数,这被叫做用户自定义函数。
Python函数的分类
Python函数分为如下几类:
1. 内置函数
我们前面使用的 str() 、 list() 、 len() 等这些都是内置函数,可以拿来直接使用
2. 标准库函数
我们可以通过 import 语句导入库,然后使用其中定义的函数
3. 第三方库函数
Python社区也提供了很多高质量的库,下载安装这些库后,也是通过 import 语句导入,然后可以使用这些第三方库的函数
4. 用户自定义函数
用户自己定义的函数,显然也是开发中适应用户自身需求定义的函数。
定义一个函数
你可以定义一个由自己想要功能的函数,以下是简单的规则:
- - 函数代码块以 def 关键词开头,后接函数标识符名称和圆括号 ()。
- - 任何传入参数和自变量必须放在圆括号中间,圆括号之间可以用于定义参数。
- - 函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明。
- - 函数内容以冒号 : 起始,并且缩进。
- - return [表达式] 结束函数,选择性地返回一个值给调用方,不带表达式的 return 相当于返回 None。
"""Python 定义函数使用 def 关键字,一般格式如下:def 函数名 ([参数列表]) : '''文档字符串''' 函数体/若干语句"""def say_hello(): print('Hello world!') say_hello()
# 带参数的函数def add(a,b,c): '''完成三个数的加法,并返回他们的和''' sum = a+b+c print(f"{a}、{b}、{c}三个数的和是:{sum}") return sumresult = add(10,20,30)print(result)
参数
以下是调用函数时可使用的正式参数类型:
- - 位置参数
- - 关键字参数
- - 默认参数
'''位置参数位置参数须以正确的顺序传入函数。调用时的数量必须和声明时的一样。'''def self_introduction(name,age): # name和age叫做形参 print(f'我叫{name},今年{age}岁了!')self_introduction('艾派森',10) # '艾派森'和'10'叫做实参
'''关键字参数关键字参数和函数调用关系紧密,函数调用使用关键字参数来确定传入的参数值。使用关键字参数允许函数调用时参数的顺序与声明时不一致,因为 Python 解释器能够用参数名匹配参数值。'''def self_introduction(name,age): print(f'我叫{name},今年{age}岁了!')self_introduction(name='艾派森',age=18)self_introduction(age=20,name='艾派森')
'''默认参数调用函数时,如果没有传递参数,则会使用默认参数。'''def self_introduction(name,age,school='家里蹲大学'): print(f'我叫{name},今年{age}岁了,在{school}上学!')self_introduction(name='艾派森',age=18)self_introduction(name='艾派森',age=18,school='哈佛大学')
# 默认参数必须放在最后面,否则会报错def self_introduction(school='家里蹲大学',name,age,): print(f'我叫{name},今年{age}岁了,在{school}上学!')
匿名函数
Python 使用 lambda 来创建匿名函数。
所谓匿名,意即不再使用 def 语句这样标准的形式定义一个函数。
- - lambda 只是一个表达式,函数体比 def 简单很多。
- - lambda 的主体是一个表达式,而不是一个代码块。仅仅能在 lambda 表达式中封装有限的逻辑进去。
- - lambda 函数拥有自己的命名空间,且不能访问自己参数列表之外或全局命名空间里的参数。
'''lambda 函数的语法只包含一个语句,语法如下:lambda [arg1 [,arg2,.....argn]]:expression'''f = lambda x:x*xprint(f(5))
# 匿名函数传入多个参数,也可以使用关键词传参f = lambda x1,x2:x1+x2print(f(10,20)) print(f(x1=10,x2=20))
eval()函数
功能:将字符串 str 当成有效的表达式来求值并返回计算结果。
注:eval函数 会将字符串当做语句来执行,因此会被注入安全隐患。
比如:字符串中含有删除文件的语句,那就麻烦大了。因此,使用时候,要慎重!!!
变量的作用域(全局变量和局部变量)
变量起作用的范围称为变量的作用域,不同作用域内同名变量之间互不影响。
变量分为:全局变量、局部变量。
全局变量:
在函数和类定义之外声明的变量。作用域为定义的模块,从定义位置开始直到模块结束。
全局变量降低了函数的通用性和可读性。应尽量避免全局变量的使用。
要在函数内改变全局变量的值,使用 global 声明一下
局部变量:
在函数体中(包含形式参数)声明的变量。
局部变量的引用比全局变量快,优先考虑使用
如果局部变量和全局变量同名,则在函数内隐藏全局变量,只使用同名的局部变量
# 【操作】全局变量的作用域测试n = 50 # 全局变量def f(): global n # 如果要在函数内改变全局变量的值,增加global关键字声明 print(n) # 打印全局变量n的值 n = 100 f()print(n) # n已经由50经过函数f转变为100
# 【操作】全局变量和局部变量同名测试a = 50def f(): a = 10 # 同名的局部变量 print(a) f() print(a) # a仍然是50,没有变化
递归函数
递归(recursion)是一种常见的算法思路,在很多算法中都会用到
递归的基本思想就是“自己调用自己”
递归函数指的是:自己调用自己的函数,在函数体内部直接或间接的自己调用自己。
每个递归函数必须包含两个部分:
- - 终止条件:表示递归什么时候结束。一般用于返回值,不再调用自己。
- - 递归步骤:把第n步的值和第n-1步相关联。
注:递归函数由于会创建大量的函数对象、过量的消耗内存和运算能力。在处理大量数据时,谨慎使用。
# 计算阶乘:根据用户输入的整数n,计算并输出n的阶乘值。def fact(n): #计算阶乘 if n == 0: return 1 else: return n * fact(n-1) num = eval(input("请输入一个正整数: "))print(fact(num))
'''斐波那契数列(1、1、2、3、5、8、13、21、34、……)兔子繁殖问题:在700多年前,意大利著名数学家斐波那契在《算盘全集》中提到这样一个问题:一对兔子,从出生后第3个月起每个月都生一对兔子。小兔子长到第3个月后每个月又生一对兔子。假如兔子都不死,请问第1个月出生的一对兔子,第n个月有多少对兔子?F(1)=1F(2)=1F(3)=F(1)+F(2)=1+1=2F(4)=F(2)+F(3)…………F(N)=F(N-2)+F(N-1)'''def fab(n): if n <= 2: return 1 else: return fab(n-1)+fab(n-2) n = eval(input("请输入一个正整数: "))print(fab(n))
文末推荐
《TensorFlow全栈开发工程实践》
内容简介:
本书共分为 8 章,主要内容包括与人工智能相关的数学知识,Python 语言所特有的语法和技巧,Docker 模型透明无缝地发布的实现,业界优秀的 Git 代码版本管理工具,模型开发环境的配置,高级人工智能开发工程师常用的 IDE 开发工具,经典神经网络模型的剖析和分解,RPC 远程调用的实现,训练样本的序化组织结构TFRecord,模型的训练、保存和封装发布,模型训练的 GPU 配置和机制策略的部署,模型从训练到发布的完整示例等。
编辑推荐:
本书适合有计算机专业和数学专业背景的初、中级开发者阅读,以便快速掌握和驾驭人工智能全栈技术,也适合作为在职人工智能模型开发人员查询时使用的手册级工具用书,还适合作为中职学校、高等院校及培训机构计算机人工智能和大数据等相关专业的教学用书。
文末福利
《TensorFlow全栈开发工程实践》免费包邮送出3本!
- 抽奖方式:评论区随机抽取3位小伙伴免费送出!
- 参与方式:关注博主、点赞、收藏、评论区评论“人生苦短,拒绝内卷!”(切记要点赞+收藏,否则抽奖无效,每个人最多评论三次!)
- 活动截止时间:2023-07-31 20:00:00
- 当当购买链接:《TensorFlow全栈开发工程实践——做一个全智全能算法工程师》(王艳铭)【简介_书评_在线阅读】 - 当当图书
名单公布时间:2023-07-31 21:00:00
本文章隶属于专栏【零基础学习Python数据分析】,本专栏会持续更新,永久免费,喜欢的小伙伴速速订阅!
欢迎点赞👍🏻+ 评论 💬+收藏 📂,同时也欢迎你加入我的粉丝交流群一起学习探讨!
来源地址:https://blog.csdn.net/m0_64336780/article/details/131997210