定义函数
def my_abs(x):#求绝对值的my_abs函数
if x >= 0:
return x
else:
return –x
def nop():#空函数
pass#占位符
参数检查
>>> my_abs(1, 2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: my_abs() takes exactly 1argument (2 given)#参数个数不对
>>> my_abs('A')#参数类型不对，无法检查
'A'
>>> abs('A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs():'str'
>>> my_abs('A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in my_abs
TypeError: bad operand type#错误的参数类型
返回多个值
Python的函数返回多值其实就是返回一个tuple
import math
def move(x, y, step, angle=0):
nx = x + step * math.cos(angle)
ny = y - step * math.sin(angle)
return nx, ny
>>> x, y = move(100, 100, 60,math.pi / 6)
>>> print x, y
151.961524227 70.0
函数的参数
def power(x):#计算x2的函数
return x * x
>>> power(5)
25
def power(x, n):#计算xn
s = 1
while n > 0:
n = n - 1
s = s * x
return s
def power(x, n=2): #第二个参数n的默认值设定为2
s= 1
while n > 0:
n = n - 1
s = s * x
return s
默认参数降低了函数调用的难度，而一旦需要更复杂的调用时，又可以传递更多的参数来实现。无论是简单调用还是复杂调用，函数只需要定义一个。
def enroll(name, gender, age=6,city='Beijing'):
print 'name:', name
print 'gender:', gender
print 'age:', age
print 'city:', city
enroll('Bob', 'M', 7)# 与默认参数不符的学生才需要提供额外的信息
enroll('Adam', 'M', city='Tianjin')
有多个默认参数时，调用的时候，既可以按顺序提供默认参数，比如调用enroll('Bob', 'M', 7)，意思是，除了name，gender这两个参数外，最后1个参数应用在参数age上，city参数由于没有提供，仍然使用默认值。
默认参数的误区
def add_end(L=[]):#传入一个list
L.append('END')#添加一个END再返回
return L
>>> add_end([1, 2, 3])
[1, 2, 3, 'END']
>>> add_end(['x', 'y', 'z'])
['x', 'y', 'z', 'END']
>>> add_end()
['END']
>>> add_end()
['END', 'END']
>>> add_end()
['END', 'END', 'END']
Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。所以，定义默认参数要牢记一点：默认参数必须指向不变对象！要修改上面的例子，我们可以用None这个不变对象来实现：
def add_end(L=None):
if L is None:
L = []
L.append('END')
return L
可变参数
def calc(numbers):#计算a2 + b2 +c2 + ……
sum = 0
for n in numbers:
sum = sum + n * n
return sum#调用时，要先组装list或tuple
>>> calc([1, 2, 3])
14
def calc(*numbers):#函数的参数改为可变参数
sum = 0
for n in numbers:
sum = sum + n * n
return sum
>>> calc(1, 2, 3)
14
>>> nums = [1, 2, 3]#已有list或tuple，调用可变参数
>>> calc(*nums)
14
关键字参数
关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict
def person(name, age, **kw):#函数除必选参数name和age，还接受关键字参数kw
print 'name:', name, 'age:', age, 'other:', kw
>>> person('Michael', 30)#调用函数时，可以只传入必选参数
name: Michael age: 30 other: {}
>>> person('Bob', 35,city='Beijing')#可传入任意个数的关键字参数
name: Bob age: 35 other: {'city':'Beijing'}
>>> kw = {'city': 'Beijing','job': 'Engineer'}#组装出一个dict
>>> person('Jack', 24, **kw)#把dict转换为关键字参数传进去
name: Jack age: 24 other: {'city': 'Beijing','job': 'Engineer'}
参数组合
def func(a, b, c=0, *args, **kw):#必选参数、默认参数、可变参数和关键字参数
print 'a =', a,'b =', b, 'c =', c, 'args =', args, 'kw =', kw
>>> func(1, 2)# 自动按照参数位置和参数名把对应的参数传进去
a = 1 b = 2 c = 0 args = () kw = {}
>>> func(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}
>>> func(1, 2, 3, 'a', 'b')
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {}
>>> func(1, 2, 3, 'a', 'b', x=99)
a = 1 b = 2 c = 3 args = ('a', 'b') kw ={'x': 99}
>>> args = (1, 2, 3, 4)#tuple和dict，也可以调用该函数
>>> kw = {'x': 99}
>>> func(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {'x':99}
对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。
递归函数
一个函数在内部调用自身本身，这个函数就是递归函数。
fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n= (n-1)! x n = fact(n-1) x n
def fact(n):#fact(n) = n! = fact(n-1) x n
if n==1:
return 1
return n *fact(n - 1)
使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。如：
>>> fact(1000)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 4, in fact
...
File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depthexceeded
解决递归调用栈溢出的方法是通过尾递归优化，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况.即:
def fact(n):
return fact_iter(1, 1, n)
def fact_iter(product, count, max):
if count > max:
return product
return fact_iter(product * count, count + 1, max)
切片
>>> L = ['Michael', 'Sarah', 'Tracy','Bob', 'Jack']
>>> L[0:3]#取前3个元素, 0开始取，直到索引3为止，但不包括索引3
['Michael', 'Sarah', 'Tracy']
>>> L[1:3]
['Sarah', 'Tracy']
>>> L[-2:]# 倒数切片
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
>>> L[10:20]#前11-20个数
>>> L[:10:2]#前10个数，每两个取一个
>>> L[::5]#所有数，每5个取一个
>>> 'ABCDEFG'[:3]#字符串'xxx'或Unicode字符串u'xxx'也是一种list，每个元素就是一个字符
'ABC'
迭代
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:3只要是可迭代对象，无论有无下标，都可以迭代，比如dict
... print key
...
a
c
b
>>> for ch in 'ABC':#字符串也是可迭代
... print ch
...
A
B
C
>>> from collections importIterable
>>> isinstance('abc', Iterable) #str是否可迭代
True
>>> isinstance([1,2,3], Iterable)# list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False
>>> for x, y in [(1, 1), (2, 4),(3, 9)]:
... print x, y
...
1 1
2 4
3 9
列表生成式ListComprehensions
>>> range(1, 11)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> L = []#生成[1x1, 2x2,3x3, ..., 10x10]
>>> for x in range(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
或：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> [x * x for x in range(1, 11)if x % 2 == 0]#偶数的平方
>>> d = {'x': 'A', 'y': 'B', 'z':'C' }#dict的iteritems()可以同时迭代key和value
>>> for k, v in d.iteritems():
... print k, '=', v
...
y = B
x = A
z = C
>>> d = {'x': 'A', 'y': 'B', 'z':'C' }#两个变量来生成list
>>> [k + '=' + v for k, v ind.iteritems()]
['y=B', 'x=A', 'z=C']
生成器
在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
>>> L = [x * x for x inrange(10)]#列表生成式的[]改成()，就创建了一个generator
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at0x104feab40>
>>> g = (x * x for x inrange(10))#使用for循环
>>> for n in g:
... print n
def fib(max):#斐波拉契数列
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。例子，定义一个generator，依次返回数字1，3，5：
>>> def odd():#odd不是普通函数，而是generator
... print 'step 1'
... yield 1
... print 'step 2'
... yield 3
... print 'step 3'
... yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration