python-11.python的函数、函数参数

本文围绕Python函数展开,介绍了自定义函数的方法,包括函数参数、参数定义类型。提到函数内部使用全局变量的规则,以及内置关键字global可在函数体内修改全局变量,但工作中不建议使用。还讲解了函数递归、匿名函数lambda,并给出学生信息库案例。

1、自定义一个函数

def name(args…):

     do …

     返回值

自己写一个函数实现首字符串的字母大写

    我写的:

return代表了函数的结束,return语句之后的代码不会再执行

 

函数的参数

即使函数有默认参数值,但你在使用的时候还是赋予了新的值,那么会使用新赋予的值

一个代表元组,一个代表字典

如何给这种函数传参:要用一个星号 两个星号来区分:

最后一句会报错,当顺序发生变化时,要使用赋值传参

参数定义类型的方法

后面的不会报错 因为函数不会进行参数验证 仅是写代码的参考

输出为:

输出为:

全局变量 局部变量

函数内部只能使用全局变量,不能修改全局变量的值,上面例子 test1()函数内 定义了局部变量,并没有修改全局变量

函数体内定义的name变量(局部变量),在函数体外无法使用

全局变量不能在函数体内修改,那要如何在函数体内修改使用呢?

内置关键字global

将全局变量可以在函数体内进行修改

工作中,不建议使用global对全局变量进行修改

输出为: 

字典、列表类型  无需使用global 就能在函数体内进行修改使用

global仅支持 数字 字符串 空类型 布尔类型的声明

函数的递归

递归函数:一个函数不停的将自己反复执行

python中的匿名函数 lambda

lambda函数用来定义一个轻量化的函数,即用即删除,很适合需要完成一项功能,但是此功能只在此一处使用

冒号后面的value 实际上是return value;简写了而已

  输出为:1

  输出为: 1

输出为:3

输出为:3 注意有必传参数和默认参数时,注意顺序:必传参数在前

输出为:False

  输出为:

 

 

案例:学生信息库

# coding: UTF-8

'''
  学生信息库
'''

students = {
    1: {
        'name': 'dewei',
        'age': 33,
        'class_number': 'A',
        'sex': 'boy'
    },
    2: {
        'name': 'xiaomu',
        'age': 20,
        'class_number': 'B',
        'sex': 'boy'
    },
    3: {
        'name': 'xiaomei',
        'age': 18,
        'class_number': 'B',
        'sex': 'girl'
    },
    4: {
        'name': 'jack',
        'age': 25,
        'class_number': 'A',
        'sex': 'boy'
    },
    5: {
        'name': 'rose',
        'age': 20,
        'class_number': 'C',
        'sex': 'girl'
    },
}

# 定义一个方法 方便后面的方法调用 减少代码重复


def check_user_info(**kwargs):
    if 'name' not in kwargs:
        return '缺少学生姓名'
    if 'age' not in kwargs:
        return "缺少学生年龄"
    if 'class_number' not in kwargs:
        return "缺少学生班级"
    if 'sex' not in kwargs:
        return "缺少学生性别"
    return True


def get_all_students():
    for id_, value in students.items():
        print('学号是:{}, 姓名是{}, 年龄是{}, 班级是{}, 性别是{}'.format(
            id_, value['name'], value['age'], value['class_number'], value['sex']
        ))
    return students

# get_all_students()

def add_student(**kwargs):
    check = check_user_info(**kwargs)
    if check != True:
        print(check)
        return
    id_ = max(students) + 1
    students[id_] = {
        'name': kwargs['name'],
        'age': kwargs['age'],
        'sex': kwargs['sex'],
        'class_number': kwargs['class_number']
    }

add_student(name='小白', age=19, class_number='A', sex='boy')

def delete_student(student_id):
    if student_id not in students:
        print("该学生{}id不存在".format(student_id))
    else:
        user_info = students.pop(student_id)
        print('学号是{}的{}同学信息已被删除'.format(student_id, user_info["name"]))

delete_student(1)
get_all_students()


def update_student(student_id, **kwargs):
    if student_id not in students:
        print("没有这个{}学号".format(student_id))
    check = check_user_info(**kwargs)
    if check != True:
        print(check)
        return
    students[student_id] = kwargs
    print("同学信息更新完毕")


update_student(2, name='木木', age=23, class_number="A", sex='boy')


get_all_students()


def get_user_by_id(student_id):
    return students.get(student_id)


# print(get_user_by_id(3))

# 按个人信息搜索
def search_users(**kwargs):
    values = list(students.values())
    key = None
    value = None
    result = []
    if 'name' in kwargs:
        key = 'name'
        value = kwargs['name']
    elif 'sex' in kwargs:
        key = 'sex'
        value = kwargs['sex']
    elif 'class_number' in kwargs:
        key = 'class_number'
        value = kwargs['class_number']
    elif 'age' in kwargs:
        key = 'age'
        value = kwargs['age']
    else:
        print('没有发现搜索的关键字')
        return

    for user in values:
        if user[key] == value:
            result.append(user)
    return result

print("----")
users = search_users(age=18)
print(users)

 

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值