python函数
函数定义
def welcome():
print('hello world!!')
welcome() #函数调用
...运行结果
hello world!!
函数定义和编写原则:
- 尽量一个动作一个函数,以减少函数之间的耦合性;
函数传参
实参和形参
位置实参:函数调用时,每个形参都有一个实参(值)与之关联对应,最简单的关联方式是基于实参的顺序。
def num (a,b): #a,b为形参
print(a)
print(b)
print(a +b)
num(1,2) #1,2为实参
...运行结果
1
2
3
关键字实参:给函数以名称-值对的方式关联形参。
def num (a,b):
print(a)
print(b)
print(a +b)
num(b=1,a=2)
...运行结果
2
1
3
默认值:编写函数时可以给形参指定默认值,如果没有实参与之关联实用默认值,有实参与之关联,使用实参值。
def num (a,b=1):
print(a)
print(b)
print(a +b)
num(1,)
...运行结果
1
1
2
def num (a,b=1):
print(a)
print(b)
print(a +b)
num(1,2)
...运行结果
1
2
3
不定长参数(*args )
在定义函数时可以在函数的形参前头加一个*,这样的形参可以获取到所有的实参,它会将所有的实参保存到一个元组中;即*a会接受所有的位置实参,并将这些实参统一保存到一个元组中。
*a 不一定必须放在最后面,但是*a后面的形参传参必须用关键字参数
*a 只能接受位置实参,不能接受关键字实参
实例:
def name_list(company,*names):
print('%s公司人员名单:'%company)
for name in names:
print(name)
name_list('老k天下','张三','李四','王二')
...................................运行结果
老k天下公司人员名单:
张三
李四
王二
讲解:
上述函数python将收到的第一个值传给company,并将其他所有值储存在元组names中。
不定长参数(**kwargs)
**形参可以接受其他关键字参数,它会将这些参数统一保存到一个字典中,字典的key就是参数的名字,字典的value就是参数的值
**形参只能有一个,且只能写在所有形参的最后面
实例:
def build_file(name,**name_info):
namefile = {}
namefile['name'] = name
for key,value in name_info.items():
namefile[key] = value
return namefile
user_file = build_file('sb',
age = 28,
high = 180)
print(user_file)
.....................................运行结果
{'name': 'sb', 'age': 28, 'high': 180}
讲解:
形参name_info中的两个让python创建一个名为name_info的空字典,并将收到的所有名称-值都封装在这个字典中。
参数的解包(拆包)
def fn4(a,b,c):
print('a =',a)
print('b =',b)
print('c =',c)
# 创建一个元组
t = (10,20,30)
# 传递实参时,也可以在序列类型的参数前添加星号,这样他会自动将序列中的元素依次作为参数传递
# 这里要求序列中元素的个数必须和形参的个数的一致
# fn4(*t)
# 创建一个字典
d = {'a':100,'b':200,'c':300}
# 通过 **来对一个字典进行解包操作
fn4(**d)
return
函数返回值
比较实例1:
def num (a=1,b=2):
print(a +b)
print(num())
...运行结果
3
None
比较实例2:
def num (a=1,b=2):
print(a +b)
return a+b
print(num())
...运行结果
3
3
实例
统计cpu memory disk 使用情况:
import psutil
def cpu():
cpu = psutil.cpu_percent(1)
return {'cpu_percent': cpu}
def mem():
mem_total = psutil.virtual_memory()[0]
mem_percent = psutil.virtual_memory()[2]
return {'mem_total':int(mem_total/1024/1024),'mem_percent': mem_percent}
def disk():
disk_total = psutil.disk_usage('c:')[0]
disk_percent = psutil.disk_usage('c:')[3]
return {'disk_total': int(disk_total/1024/1024/1024), 'disk_percent': disk_percent}
def main():
info = {}
info.update(cpu())
info.update(mem())
info.update(disk())
msg = '''
cpu使用率:%s%%
内存使用率:%s%%
硬盘使用率:%s%%
==============
内存总大小:%sM
硬盘总打小:%sG
''' % (info['cpu_percent'],info['mem_percent'],info['disk_percent'],info['mem_total'],info['disk_total'])
return msg
if __name__ == '__main__':
print(main())
.........................................................运行结果
cpu使用率:7.8%
内存使用率:42.3%
硬盘使用率:30.4%
==============
内存总大小:8070M
硬盘总打小:69G
拓展:名称空间与作用域
命名空间指的是变量存储的位置,每一个变量都需要存储到指定的命名空间当中
每一个作用域都会有一个它对应的命名空间
全局命名空间,用来保存全局变量。函数命名空间用来保存函数中的变量
命名空间实际上就是一个字典,是一个专门用来存储变量的字典
内置名称空间:(python启动时就有)python解释器内置的名字,print,max,min
全局名称空间:(执行python文件时启动)定投定义的变量
局部名称空间:(调用函数时启动,调用结束失效)函数内部定义的变量
加载顺序:内置--->全局--->局部
访问顺序:局部--->全局--->内置
def func1():
def func2():
def func3():
print(print)
func3()
func2()
func1()
-------------------------------------------------------------------------------------------------
# locals()用来获取当前作用域的命名空间
# 如果在全局作用域中调用locals()则获取全局命名空间,如果在函数作用域中调用locals()则获取函数命名空间
# 返回的是一个字典
scope = locals() # 当前命名空间
print(type(scope))
# print(a)
# print(scope['a'])
# 向scope中添加一个key-value
scope['c'] = 1000 # 向字典中添加key-value就相当于在全局中创建了一个变量(一般不建议这么做)
# print(c)
def fn4():
a = 10
# scope = locals() # 在函数内部调用locals()会获取到函数的命名空间
# scope['b'] = 20 # 可以通过scope来操作函数的命名空间,但是也是不建议这么做
# globals() 函数可以用来在任意位置获取全局命名空间
global_scope = globals()
# print(global_scope['a'])
global_scope['a'] = 30
# print(scope)
fn4()
在Python中一共有两种作用域
全局作用域
- 全局作用域在程序执行时创建,在程序执行结束时销毁
- 所有函数以外的区域都是全局作用域
- 在全局作用域中定义的变量,都属于全局变量,全局变量可以在程序的任意位置被访问
函数作用域
- 函数作用域在函数调用时创建,在调用结束时销毁
- 函数每调用一次就会产生一个新的函数作用域
- 在函数作用域中定义的变量,都是局部变量,它只能在函数内部被访问
变量的查找
- 当我们使用变量时,会优先在当前作用域中寻找该变量,如果有则使用,
如果没有则继续去上一级作用域中寻找,如果有则使用,
如果依然没有则继续去上一级作用域中寻找,以此类推
直到找到全局作用域,依然没有找到,则会抛出异常
NameError: name 'a' is not defined
def fn2():
def fn3():
print('fn3中:','a =',a)
fn3()
# fn2()
a = 20
def fn3():
# a = 10 # 在函数中为变量赋值时,默认都是为局部变量赋值
# 如果希望在函数内部修改全局变量,则需要使用global关键字,来声明变量
global a # 声明在函数内部的使用a是全局变量,此时再去修改a时,就是在修改全局的a
a = 10 # 修改全局变量
print('函数内部:','a =',a)
# fn3()
# print('函数外部:','a =',a)
拓展:匿名函数:lambda
lambda函数:自带return
#语法: lambda 参数:返回值
res=(lambda x,y:x+y)(1,2)
print(res)
拓展:内置函数:max, sorted, map, filter
powerinfo = {
'大娃': 40000,
'二娃':30000,
'三娃': 25000,
'蛤蟆精': 2000
}
max:取最大
def func(k):
return powerinfo[k]
res = max(powerinfo,key=lambda k: powerinfo[k])
print(res)
sorted:排序
# sorted()为内置函数,可以对任意序列进行排序
# sorted()并不影响原来的对象,而是返回一个新的对象
# sorted()可以接受一个关键字参数 key
# key需要一个函数作为参数
res = sorted(powerinfo,key=lambda k:powerinfo[k])
print(res)
map:映射
names = ['大娃', '二娃', '三娃']
res = map(lambda i: i % name,names)
#或
res = map(lambda name: '%s_会武功' % name,names)
print(list(res))
zip:拉链
l1 = [1,2,3]
l2 = ['a','b','c','d']
res = zip(l1,l2)
print(list(res))
filter:过滤
names = ['大娃_会武功', '二娃_会武功', '三娃_会武功','蛤蟆精']
res = filter(lambda name: name.endswith('会武功'),names)
print(list(res))
拓展:闭包
当有一些见不得人的东西需要隐藏的时候(需要设定变量,只有本函数可以调用),我们可以用到闭包。
闭包的形成条件:
- 函数嵌套
- 将内部函数作为返回值返回
- 内部函数必须要使用到外部函数的变量
def make_averager():
#创建一个表用来保存数
nums = []
#创建一个函数用来计算平均值
def averager(int(n)):
nums.append(n)
return sun(nums)/len(nums)
return averager()
print(make_averager(10))
print(make_averager(10))
print(make_averager(10))
nums = [] #对求名平均值没有影响,因为用了闭包,命名空间不同,不是同一个对象
print(make_averager(10))