函數的定義

函數的基本寫法如下所示：

def function_name(parameter1, parameter2, ...):"""Docstring: 描述函數的功能、參數和返回值 (可選但強烈推薦)"""# 函數體: 實現功能的代碼# ...return value # 可選，用于返回結果

• def: 關鍵字，表示開始定義一個函數。
• function_name: 函數的名稱，應遵循Python的命名約定（通常是小寫字母和下劃線，例如 calculate_area,用英文單詞含義和下劃線來作為函數名）。
• parameter1, parameter2, ...: 函數的參數（也叫形參），是函數在被調用時接收的輸入值。參數是可選的。
• (): 參數列表必須放在圓括號中，即使沒有參數，括號也不能省略。
• : 冒號表示函數定義的頭部結束，接下來是縮進的函數體。
• Docstring (文檔字符串): 位于函數定義第一行的多行字符串（通常用三引號 """Docstring goes here"""）。用于解釋函數的作用、參數、返回值等。可以通過 help(function_name) 或 function_name.doc?查看。這個寫法可選，為了后續維護和查看，建議加上這一段更加規范
• 函數體 (Function Body): 縮進的代碼塊，包含實現函數功能的語句。
• return value: return 語句用于從函數中返回一個值。如果函數沒有 return 語句，或者 return 后面沒有值，它會自動返回 None。一個函數可以有多個 return 語句（例如在不同的條件分支中）。

不帶參數的函數

# 定義一個簡單的問候函數
def greet():"""打印一句問候語。"""message = "大家好！歡迎學習Python函數定義！"print(message)greet()

大家好！歡迎學習Python函數定義！

可以看到上述函數沒有參數，也沒有返回值，調用這個函數的時候運行函數體中的內容

# 查看文檔字符串,方便查看函數的使用，這個方法可以不掌握
print(greet.__doc__)
# 實際上，當你在py文件中，鼠標懸停在函數上按住ctrl即可點擊函數跳轉到其內部查看函數的定義

打印一句問候語。

帶上注釋是函數定義的良好習慣，尤其在復雜的項目中，更方便維護和調試。可以讓ai給你補上注釋

帶參數的函數

函數的參數我們有如下稱呼：

• Parameters (形參): 在函數定義中列出的變量名 (如 name, feature1, feature2)。
• Arguments (實參): 在函數調用時傳遞給函數的實際值 (如 "張三", 10, 25)，也就是實際的數值（實參）傳給了 形參（定義時候的變量）

注意點： 定義的時候把函數的參數稱之為形參，調用的時候把函數的參數稱之為實參。

# 定義一個帶一個參數的問候函數
def greet_person(name):"""根據給定的名字打印問候語。Args:name (str): 要問候的人的名字。"""message = f"你好, {name}! 很高興認識你。"print(message)greet_person("張三")  # 輸出: 你好, 張三! 很高興認識你。

你好, 張三! 很高興認識你。

# 定義一個帶多個參數的函數 (例如，在機器學習中計算兩個特征的和)
def add_features(feature1, feature2):"""計算兩個數值特征的和。Args:feature1 (float or int): 第一個特征值。feature2 (float or int): 第二個特征值。"""total = feature1 + feature2print(f"{feature1} + {feature2} = {total}")add_features(10, 25)       # 輸出: 10 + 25 = 35

10 + 25 = 35

# add_features(5) 
# 這會報錯，因為少了一個參數 TypeError

帶返回值的函數

函數不僅可以執行操作（如打印），還可以計算并返回一個結果

# 定義一個計算和并返回結果的函數
def calculate_sum(a, b):"""計算兩個數的和并返回結果。Args:a (float or int): 第一個數。b (float or int): 第二個數。Returns:float or int: 兩個數的和。"""result = a + breturn resultprint("hhh")calculate_sum(2, 3)

5

此時，注意到，print("hhh")這個代碼并沒有被執行，因為函數在遇到return語句時，就會立即返回，而不會繼續執行函數后面的代碼。

其次，如果沒有return語句，或者return后面不帶任何參數，那么函數也會返回None（不要把執行的操作理解為返回值）。

# 函數可以返回多種類型的數據，包括列表、字典等
# 例如，在數據預處理中，一個函數可能返回處理后的特征列表
def preprocess_data(raw_data_points):"""模擬數據預處理，例如將所有數據點乘以2。Args:raw_data_points (list): 原始數據點列表。Returns:list: 處理后的數據點列表。"""processed = []for point in raw_data_points:processed.append(point * 2) # 假設預處理是乘以2return processeddata = [1, 2, 3, 4, 5]
processed_data = preprocess_data(data)print(f"原始數據: {data}")
print(f"預處理后數據: {processed_data}") # 輸出: [2, 4, 6, 8, 10]

原始數據: [1, 2, 3, 4, 5]
預處理后數據: [2, 4, 6, 8, 10]

變量作用域

理解變量在何處可見和可訪問非常重要。

• 局部變量 (Local Variables): 在函數內部定義的變量，只在該函數內部有效。當函數執行完畢后，局部變量通常會被銷毀。

• 全局變量 (Global Variables): 在所有函數外部定義的變量，可以在程序的任何地方被訪問（但在函數內部修改全局變量需要特殊聲明，如 global 關鍵字，初學階段可以先避免）。

print("\n--- 變量作用域示例 ---")
global_var = "我是一個全局變量"def scope_test():local_var = "我是一個局部變量"print(f"在函數內部，可以看到局部變量: '{local_var}'")print(f"在函數內部，也可以看到全局變量: '{global_var}'")# global_var = "嘗試在函數內修改全局變量" # 如果沒有 global 聲明，這會創建一個新的局部變量 global_var# print(f"在函數內部，修改后的 '全局' 變量: '{global_var}'")scope_test()print(f"\n在函數外部，可以看到全局變量: '{global_var}'")

--- 變量作用域示例 ---
在函數內部，可以看到局部變量: '我是一個局部變量'
在函數內部，也可以看到全局變量: '我是一個全局變量'在函數外部，可以看到全局變量: '我是一個全局變量'

# print(f"在函數外部，不能看到局部變量: {local_var}") # 這會產生 NameError，因為 local_var 只在函數內存在

函數的參數類型

在我們ctrl跳轉到一些函數內部的時候，會發現寫法相對我們日常定義的簡單函數更加復雜，主要是參數形式比較豐富

參數有以下類型：

• 位置參數 (Positional Arguments): 調用時按順序匹配。
• 默認參數值 (Default Parameter Values): 定義函數時給參數指定默認值，調用時如果未提供該參數，則使用默認值。
• 可變數量參數 (*args 和 **kwargs)：
  • *args: 將多余的位置參數收集為一個元組。
  • **kwargs: 將多余的關鍵字參數收集為一個字典。

可能你還聽過關鍵字參數 (Keyword Arguments)這個說法，但是他并非是一種參數，而是一種傳遞參數的手段: 調用時通過 參數名=值 的形式指定，可以不按順序。他可以傳位置參數的值，也可以傳默認參數的值，也可以傳可變參數的值，也可以傳關鍵字參數的值。為了可讀性，更推薦對所有參數均采取關鍵字參數傳遞。

位置參數

def describe_pet(animal_type, pet_name):"""顯示寵物的信息。"""print(f"\n我有一只 {animal_type}.")print(f"我的 {animal_type} 的名字叫 {pet_name.title()}.")describe_pet("貓", "咪咪") # 使用關鍵字參數，順序不重要

我有一只 貓.
我的 貓 的名字叫 咪咪.

為了可讀性，更推薦對所有參數采取關鍵詞參數的寫法

假設一個復雜的繪圖函數
plot_data(data, x_col, y_col, "blue", "-", True, False, "My Plot", "X-axis", "Y-axis") # 不清晰使用關鍵字參數
plot_data(data=my_data, x_column='time', y_column='value',color='blue', linestyle='-', show_grid=True, use_log_scale=False,title="My Awesome Plot", xlabel="Time (s)", ylabel="Value") # 非常清晰

當一個函數有很多參數時，如果只用位置參數，調用者可能需要反復查看函數定義才能確定每個參數的含義。使用關鍵字參數，每個值的含義都通過其前面的參數名清晰地標示出來。

describe_pet(animal_type="貓", pet_name="咪咪") # 使用關鍵字參數，順序不重要
describe_pet(pet_name="旺財", animal_type="狗") # 順序改變，但結果正確

我有一只 貓.
我的 貓 的名字叫 咪咪.我有一只 狗.
我的 狗 的名字叫 旺財.

默認參數

注意點：帶默認值的參數必須放在沒有默認值的參數之后

def describe_pet_default(pet_name, animal_type="狗"): # animal_type 有默認值"""顯示寵物的信息，動物類型默認為狗。"""print(f"我有一只 {animal_type}.")print(f"我的 {animal_type} 的名字叫 {pet_name.title()}.")describe_pet_default(pet_name="小黑") # animal_type 使用默認值 "狗"
describe_pet_default(pet_name="雪球", animal_type="倉鼠") # 提供 animal_type，覆蓋默認值
# 注意：帶默認值的參數必須放在沒有默認值的參數之后

我有一只 狗.
我的 狗 的名字叫 小黑.
我有一只 倉鼠.
我的 倉鼠 的名字叫 雪球.

*args (收集位置參數)

*args: 將多余的位置參數收集為一個元組。

當函數被調用時，Python 會先嘗試用調用時提供的位置參數去填充函數定義中所有明確定義的、非關鍵字的形參 (也就是那些普通的，沒有 * 或 ** 前綴的參數，包括有默認值的和沒有默認值的)。 如果在填充完所有這些明確定義的形參后，調用時還有剩余的位置參數，那么這些“多余的”位置參數就會被收集起來，形成一個元組 (tuple)，并賦值給 *args 指定的那個變量（通常就是 args）。 如果調用時提供的位置參數數量正好等于或少于明確定義的形參數量（且滿足了所有必需參數），那么 *args 就會是一個空元組 ()。

def make_pizza(size, *toppings):"""概述要制作的比薩。*toppings 會將所有額外的位臵參數收集到一個元組中。"""print(f"\n制作一個 {size} 寸的比薩，配料如下:")if toppings: # 只要toppings不為空元組，就會執行for topping in toppings:print(f"- {topping}")else:print("- 原味 (無額外配料)")make_pizza(12, "蘑菇")
make_pizza(16, "香腸", "青椒", "洋蔥")
make_pizza(9) # toppings 會是空元組

制作一個 12 寸的比薩，配料如下:
- 蘑菇制作一個 16 寸的比薩，配料如下:
- 香腸
- 青椒
- 洋蔥制作一個 9 寸的比薩，配料如下:
- 原味 (無額外配料)

**kwargs (收集關鍵字參數)

**kwargs: 將多余的關鍵字參數收集為一個字典。

當函數被調用時，Python 會先處理完所有的位置參數（包括填充明確定義的形參和收集到 *args 中）。 然后，Python 會看調用時提供的關鍵字參數 (形如 name=value)。它會嘗試用這些關鍵字參數去填充函數定義中所有與關鍵字同名的、明確定義的形參（這些形參可能之前沒有被位置參數填充）。

如果在填充完所有能通過名字匹配上的明確定義的形參后，調用時還有剩余的關鍵字參數（即這些關鍵字參數的名字在函數定義中沒有對應的明確形參名），那么這些“多余的”關鍵字參數就會被收集起來，形成一個字典 (dictionary)，并賦值給 **kwargs 指定的那個變量（通常就是 kwargs）。

如果調用時提供的所有關鍵字參數都能在函數定義中找到對應的明確形參名，那么 **kwargs 就會是一個空字典 {}。

def build_profile(first_name, last_name, **user_info):"""創建一個字典，其中包含我們知道的有關用戶的一切。**user_info 會將所有額外的關鍵字參數收集到一個字典中。"""profile = {}profile['first_name'] = first_nameprofile['last_name'] = last_namefor key, value in user_info.items():profile[key] = valuereturn profileuser_profile = build_profile('愛因斯坦', '阿爾伯特',location='普林斯頓',field='物理學',hobby='小提琴')
print(f"\n用戶信息: {user_profile}")
# 輸出: {'first_name': '愛因斯坦', 'last_name': '阿爾伯特', 'location': '普林斯頓', 'field': '物理學', 'hobby': '小提琴'}

用戶信息: {'first_name': '愛因斯坦', 'last_name': '阿爾伯特', 'location': '普林斯頓', 'field': '物理學', 'hobby': '小提琴'}

*args 和 **kwargs 的核心目的是讓函數能夠接收不定數量的參數，并以元組和字典的形式在函數內部進行處理。

也就是說 當位置參數用完了 就自動變成*args，當關鍵詞參數用完了 就自動變成**kwarges

# 同時出現 *args 和 **kwargs，注意參數的傳入順序
def process_data(id_num, name, *tags, status="pending", **details): # 注意，這里的status 是僅關鍵字參數，必須通過關鍵詞傳值print(f"ID: {id_num}")print(f"Name: {name}")print(f"Tags (*args): {tags}")print(f"Status: {status}")          # status 是一個有默認值的普通關鍵字參數print(f"Details (**kwargs): {details}")print("-" * 20)# 調用1:
process_data(101, "Alice", "vip", "new_user", location="USA", age=30)
# ID: 101
# Name: Alice
# Tags (*args): ('vip', 'new_user')  <-- "vip", "new_user" 是多余的位置參數，被 *tags 收集
# Status: pending                    <-- status 使用默認值，因為調用中沒有 status=...
# Details (**kwargs): {'location': 'USA', 'age': 30} <-- location 和 age 是多余的關鍵字參數，被 **details 收集
# --------------------# 調用2:
process_data(102, "Bob", status="active", department="Sales")
# ID: 102
# Name: Bob
# Tags (*args): ()                   <-- 沒有多余的位置參數
# Status: active                     <-- status 被關鍵字參數 'active' 覆蓋
# Details (**kwargs): {'department': 'Sales'} <-- department 是多余的關鍵字參數
# --------------------# 調用3:
process_data(103, "Charlie", "admin") # 'admin' 會被 *tags 捕獲
# ID: 103
# Name: Charlie
# Tags (*args): ('admin',)
# Status: pending
# Details (**kwargs): {}
# --------------------# 調用4: (演示關鍵字參數也可以用于定義中的位置參數)
process_data(name="David", id_num=104, profession="Engineer")
# ID: 104
# Name: David
# Tags (*args): ()
# Status: pending
# Details (**kwargs): {'profession': 'Engineer'}
# --------------------

ID: 101
Name: Alice
Tags (*args): ('vip', 'new_user')
Status: pending
Details (**kwargs): {'location': 'USA', 'age': 30}
--------------------
ID: 102
Name: Bob
Tags (*args): ()
Status: active
Details (**kwargs): {'department': 'Sales'}
--------------------
ID: 103
Name: Charlie
Tags (*args): ('admin',)
Status: pending
Details (**kwargs): {}
--------------------
ID: 104
Name: David
Tags (*args): ()
Status: pending
Details (**kwargs): {'profession': 'Engineer'}
--------------------

?1

import math
def calculate_circle_area(radius):s=math.pi*radius*radiusreturn s
print(f"半徑為5的面積為:{calculate_circle_area(5)}")
print(f"半徑為0的面積為:{calculate_circle_area(0)}")
print(f"半徑為-1的面積為:{calculate_circle_area(-1)}")

半徑為5的面積為:78.53981633974483
半徑為0的面積為:0.0
半徑為-1的面積為:3.141592653589793

2?

def calculate_rectangle_area(length,width):s=length*widthif length<0 or width<0:return 0else:return s
print(f"長為5，寬為3的面積為:{calculate_rectangle_area(5,3)}")
print(f"長為-1，寬為3的面積為:{calculate_rectangle_area(-1,3)}")

長為5，寬為3的面積為:15
長為-1，寬為3的面積為:0

3?

def calculate_average(*args):if not args:return 0total = sum(args)return total / len(args)# 示例用法
print(calculate_average(1, 2, 3))  # 輸出：2.0
print(calculate_average(10, 20, 30, 40))  # 輸出：25.0
print(calculate_average())  # 輸出：0

2.0
25.0
0

4?

def print_user_info(user_id, **kwargs):print(f"用戶ID: {user_id}")for key, value in kwargs.items():print(f"{key}: {value}")print_user_info(1, name="Alice", age=30, email="alice@example.com")

用戶ID: 1
name: Alice
age: 30
email: alice@example.com

5?

def describe_shape(shape_name, color="black", **kwargs):dimensions = []for key, value in kwargs.items():dimensions.append(f"{key}={value}")if dimensions:dimensions_str = ", ".join(dimensions)return f"A {color} {shape_name} with dimensions: {dimensions_str}"else:return f"A {color} {shape_name} with no specific dimensions."print(describe_shape("circle", color="red", radius=5))
print(describe_shape("rectangle", color="blue", width=4, height=6))

A red circle with dimensions: radius=5
A blue rectangle with dimensions: width=4, height=6

@浙大疏錦行