一、函数的基本写法

def function_name(parameter1, parameter2, ...):"""Docstring: 描述函数的功能、参数和返回值 (可选但强烈推荐)"""# 函数体: 实现功能的代码# ...return value # 可选，用于返回结果

• def 关键字：用于声明开始定义一个函数。
• function_name（函数名）：遵循 Python 命名约定，通常由小写字母和下划线组成。
• parameter1, parameter2, …（参数）：也称为形参，是函数在被调用时接收输入值的变量。参数是可选的。
• ()（括号）：参数列表需放在括号内，即使无参数，括号也不可省略。
• :（冒号）：标志函数定义头部结束，随后缩进的代码块为函数体。
• Docstring（文档字符串）：可选，位于函数定义第一行的多行字符串，用于解释函数作用、参数及返回值等信息。可通过 help(function_name) 或 function_name.__doc__ 查看。
• 函数体（Function Body）：缩进的代码块，包含实现函数功能的语句。
• return value（返回语句）：return 语句用于从函数返回一个值。若无 return 语句或 return 后无值，函数自动返回 None。函数可在不同条件分支中包含多个 return 语句。

1、不带参数的函数

# 定义一个简单的问候函数
def greet():"""打印一句问候语。"""message = "大家好！欢迎学习Python函数定义！"print(message)
greet()
# 查看文档字符串,方便查看函数的使用，这个方法可以不掌握
print(greet.__doc__)
# 实际上，当你在py文件中，鼠标悬停在函数上时按住ctrl即可点击函数跳转到其内部查看函数的定义

2、带参数的函数

形参（Parameters）：函数定义中列出的变量名，如 name、feature1、feature2 等。形参相当于一个占位符，代表函数在被调用时将会接收到的数据。形参在函数内部有自己的作用域，它们就像函数内部定义的局部变量。

实参（Arguments）：函数调用时传递给函数的实际值，如 "张三"、10、25 等。实参是实实在在的数据，它们会被赋值给函数定义中的形参。实参本身在函数外部有自己的作用域。

传递关系：当实参的值传递给形参后，在函数内部对形参的修改，一般不会影响到函数外部实参的值（对于不可变数据类型，如整数、字符串、元组等），如：

def change_number(num):num = num + 1return numoriginal_num = 5
new_num = change_number(original_num)
print(original_num)  
print(new_num)  
# 输出：
5
6

在这个例子中，形参 num 在函数 change_number 内部被修改，但函数外部的 original_num 值并没有改变。 

然而，对于可变数据类型（如列表、字典），如果在函数内部通过形参修改了其内容，会影响到函数外部的实参。例如：

def change_list(lst):lst.append(4)return lstmy_list = [1, 2, 3]
new_list = change_list(my_list)
print(my_list)  
print(new_list)  
# 输出：
[1, 2, 3, 4]
[1, 2, 3, 4]

这里函数内部对形参 lst(指向外部传入的 my_list)的修改，导致my_list本身内容的改变。

3、带返回值的函数

# 定义一个计算和并返回结果的函数
def calculate_sum(a, b):"""计算两个数的和并返回结果。Args:a (float or int): 第一个数。b (float or int): 第二个数。Returns:float or int: 两个数的和。"""result = a + breturn resultprint("hhh")  # 此代码不会执行，因为函数遇到 return 语句后立即返回
calculate_sum(2, 3)
# 输出：5

二、变量作用域

局部变量（Local Variables）：在函数内部定义的变量，仅在该函数内部有效，函数执行完毕后通常会被销毁。

全局变量（Global Variables）：在所有函数外部定义的变量，可在程序任何地方访问（但在函数内部修改全局变量需使用 global 关键字声明，初学者可先避免）。

print("\n--- 变量作用域示例 ---")
global_var = "我是一个全局变量"def scope_test():# 声明使用的是全局变量global global_var  local_var = "我是一个局部变量"print(f"在函数内部，可以看到局部变量: '{local_var}'")print(f"在函数内部，也可以看到全局变量: '{global_var}'")global_var = "尝试在函数内修改全局变量" print(f"在函数内部，修改后的 '全局' 变量: '{global_var}'")scope_test()print(f"\n在函数外部，可以看到全局变量: '{global_var}'")
# 会产生 NameError，因为 local_var 只在函数内存在
print(f"在函数外部，不能看到局部变量: {local_var}")

三、函数的参数类型

位置参数（Positional Arguments）：

调用函数时按顺序匹配参数。

def describe_pet(animal_type, pet_name):"""显示宠物的信息。"""print(f"\n我有一只 {animal_type}.")print(f"我的 {animal_type} 的名字叫 {pet_name}.")
describe_pet("猫", "咪咪")
# 输出：
我有一只 猫.
我的 猫 的名字叫 咪咪.

为提高可读性，推荐使用关键字参数传递所有参数。例如对于复杂函数：

# 位置参数写法不清晰
plot_data(data, x_col, y_col, "blue", "-", True, False, "My Plot", "X-axis", "Y-axis") # 关键字参数写法更清晰
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") 

在 Python 函数调用中，关键字参数通过 “参数名 = 值” 的形式传递。这样一来，Python 解释器根据参数名来匹配值，而不是位置，即此时与赋值顺序无关。

默认参数值（Default Parameter Values）：

定义函数时给参数指定默认值，调用时若未提供该参数，则使用默认值。注意，带默认值的参数必须放在无默认值的参数之后。

# animal_type 有默认值
def describe_pet_default(pet_name, animal_type="狗"): """显示宠物的信息，动物类型默认为狗。"""print(f"我有一只 {animal_type}.")print(f"我的 {animal_type} 的名字叫 {pet_name.title()}.")
# animal_type 使用默认值 "狗"
describe_pet_default(pet_name="小黑") 
# 提供 animal_type时，覆盖默认值
describe_pet_default(pet_name="雪球", animal_type="仓鼠") 

可变数量参数（*args 和 **kwargs）：

*args（收集位置参数）：将多余的位置参数收集为一个元组。函数调用时，Python 先尝试用位置参数填充明确定义的、非关键字的形参（即普通无*或**前缀的参数）。若填充后还有剩余位置参数，这些参数将被收集成元组赋值给 *args 指定的变量（通常为 args）。若位置参数数量正好或少于明确定义的形参数量且满足必需参数，*args 为空元组 ()。

def make_pizza(size, *toppings):"""概述要制作的比萨。*toppings 会将所有额外的位置参数收集到一个元组中。"""print(f"\n制作一个 {size} 寸的比萨，配料如下:")if toppings: # 只要toppings不为空元组，就会执行for topping in toppings:print(f"- {topping}")else:print("- 原味 (无额外配料)")make_pizza(12, "蘑菇")
make_pizza(16, "香肠", "青椒", "洋葱")
make_pizza(9) # toppings 会是空元组

 

**kwargs（收集关键字参数）：将多余的关键字参数收集为一个字典。函数调用时，Python 先处理位置参数，再尝试用关键字参数（形如 name=value）填充明确定义的同名形参。若填充后还有剩余关键字参数，这些参数将被收集成字典赋值给 **kwargs 指定的变量（通常为 kwargs）。若所有关键字参数都能匹配明确形参名，**kwargs 为空字典 {}。

def build_profile(first_name, last_name, **user_info):"""创建一个字典，其中包含我们知道的有关用户的一切。**user_info 会将所有额外的关键字参数收集到一个字典中。"""profile = {}profile['first_name'] = first_nameprofile['last_name'] = last_namefor key, value in user_info.items():profile[key] = valuereturn profileuser_profile = build_profile('爱因斯坦', '阿尔伯特',location='普林斯顿',field='物理学',hobby='小提琴')
print(f"\n用户信息: {user_profile}")
# 输出: {'first_name': '爱因斯坦', 'last_name': '阿尔伯特', 'location': '普林斯顿', 'field': '物理学', 'hobby': '小提琴'}

当函数 build_profile 被调用时，Python 解释器首先将位置参数 '爱因斯坦' 和 '阿尔伯特' 分别赋值给 first_name 和 last_name。然后，对于剩下的 location='普林斯顿', field='物理学', hobby='小提琴' 关键字参数，由于在函数定义中没有与之直接对应的普通形参，所以会被收集到 user_info 字典中。

*args 和 **kwargs 核心目的是让函数能接收不定数量的参数，并以元组和字典的形式在函数内部处理。即当位置参数用完就自动变成 *args，当关键词参数用完就自动变成**kwarges

# 同时出现 *args 和 **kwargs，注意参数的传入顺序
def process_data(id_num, name, *tags, status="pending", **details): # 注意，这里的status 是仅关键字参数，必须通过关键词传值print(f"ID: {id_num}")print(f"Name: {name}")print(f"Tags (*args): {tags}")print(f"Status: {status}")          # status 是一个有默认值的普通关键字参数print(f"Details (**kwargs): {details}")print("-" * 20)# 调用1:
process_data(101, "Alice", "vip", "new_user", location="USA", age=30)
# ID: 101
# Name: Alice
# Tags (*args): ('vip', 'new_user')  <-- "vip", "new_user" 是多余的位置参数，被 *tags 收集
# Status: pending                    <-- status 使用默认值，因为调用中没有 status=...
# Details (**kwargs): {'location': 'USA', 'age': 30} <-- location 和 age 是多余的关键字参数，被 **details 收集
# --------------------# 调用2:
process_data(102, "Bob", status="active", department="Sales")
# ID: 102
# Name: Bob
# Tags (*args): ()                   <-- 没有多余的位置参数
# Status: active                     <-- status 被关键字参数 'active' 覆盖
# Details (**kwargs): {'department': 'Sales'} <-- department 是多余的关键字参数
# --------------------# 调用3:
process_data(103, "Charlie", "admin") # 'admin' 会被 *tags 捕获
# ID: 103
# Name: Charlie
# Tags (*args): ('admin',)
# Status: pending
# Details (**kwargs): {}
# --------------------# 调用4: (演示关键字参数也可以用于定义中的位置参数)
process_data(name="David", id_num=104, profession="Engineer")
# ID: 104
# Name: David
# Tags (*args): ()
# Status: pending
# Details (**kwargs): {'profession': 'Engineer'}
# --------------------

@浙大疏锦行