Python（四）

BIF内置函数 (built-in functions) 

【查询py中内置函数：在shell中输入“dir（__builtins__）”敲回车即可，其中纯小写的为BIF；

Help（某BIF）查询具体怎么用】.

也可以直接从Python的官方网站查看文档。

调用函数的时候，如果传入的参数数量不对，会报TypeError的错误。如果传入的参数数量是对的，但参数类型不能被函数所接受，也会报TypeError的错误。

 

数据类型转换

   

函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：

定义函数

“““定义函数时，需要确定函数名和参数个数；

如果有必要，可以先对参数的数据类型做检查；

函数体内部可以用return随时返回函数结果；

函数执行完毕也没有return语句时，自动return None。

函数可以同时返回多个值，但其实就是一个tuple。”””

 

在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。

函数体内部的语句在执行时，一旦执行到return时，函数就执行完毕，并将结果返回。因此，函数内部通过条件判断和循环可以实现非常复杂的逻辑。

如果没有return语句，函数执行完毕后也会返回结果，只是结果为None。return None可以简写为return。

当将自定义的函数mmm（）保存为myfunction.py文件时，可在当前目录下启动Python解释器，用from myfunction import mmm来导入mmm（）函数，注意myfunction是文件名（不含.py扩展名）

 

空函数

如果想定义一个什么事也不做的空函数，可以用pass语句：

          

pass可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass，让代码能运行起来。缺少了pass，代码运行就会有语法错误。

参数检查

传入了不恰当的参数时，内置函数abs会检查出参数错误，而我们定义的my_abs没有参数检查，会导致if语句出错，出错信息和abs不一样。所以，这个函数定义不够完善。

让我们修改一下my_abs的定义，对参数类型做检查，只允许整数和浮点数类型的参数。数据类型检查可以用内置函数isinstance()实现。

isinstance(object, classinfo)：判断一个对象是否是一个已知的类型，类似 type()。

object -- 实例对象；classinfo -- 可以是直接或间接类名、基本类型或者由它们组成的元组。

如果对象的类型与参数二的类型（classinfo）相同则返回 True，否则返回 False。

函数的参数

ython的函数定义非常简单，但灵活度却非常大。除了正常定义的必选参数外，还可以使用默认参数、可变参数和关键字参数，使得函数定义出来的接口，不但能处理复杂的参数，还可以简化调用者的代码。

位置参数&关键字参数(根据实参的传递方式对参数进行的分类)

位置参数：实参位置和形参保持一致，按形参声明的先后顺序一一赋值

关键字参数：调用函数的时候以 形参=实参的方式来传参, 这个时候实参的顺序无所谓。

      

修改后的power(x, n)函数有两个参数：x和n，这两个参数都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋给参数x和n。

 

默认参数（注：默认参数必须指向不变对象！）

声明函数的时候，可以给参数赋默认值。如果一个形参有默认值了，那么调用函数的时候这个参数就可以不用传参。
注意：有默认值的形参要放在没有默认值的形参的后面。

如何设置默认参数：当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。

n为默认参数，默认值为2。

使用默认参数最大的好处是能降低调用函数的难度（事先设定好个别参数的默认值，与默认值相同的可以不用传入，与默认参数不符的才需要提供额外的信息）

默认参数有个最大的坑，演示如下：

'''定义一个函数，当传入一个list后，自动添加一个'END’后返回'''
def defaultparameter (L=[]):
    L.append('END')
    return L

多次单独调用后出现‘END’被累计的情况。

因为：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。

'''修改如下'''
def defaultparameter（L=None）：
    if L is None:
        L =[]
    L.append('END')
    return L

为什么要设计str、None这样的不变对象呢?

因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

可变参数（*）

可变参数就是传入的参数个数是可变的，可以是1个、2个到任意个，还可以是0个。

问题：定义一个函数，实现a²+b²+c²……的计算。

方法一：因为参数个数不确定，可以把a、b、c……作为一个list或tuple传进来，每次调用函数的时候，得先组装一个list或tuple才能实现计算。    

方法二：使用可变参数，即把函数的参数改为可变参数。

                

可变参数只在参数前面加了一个*号。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数。

那么，如果要用calc（）函数计算一个list或者tuple怎么办？（如计算nums = [1,2,3] 这个list的元素平方和）

在list或tuple前加一个*号，即可把list或tuple的元素变成可变参数传进去。在函数内

关键字参数（**）

#关键字参数kw，允许传入0个or任意个含参数名的参数，在函数内部自动组装为一个dict
def person（name，age，**kw）：
    print （‘name’，name，‘age’，age，‘other’，kw）

关键字参数的作用：扩展函数的功能。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。

此外，和可变参数类似，也可以先组装出一个dict，然后，把该dict转换为关键字参数传进去。

注意：kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra。

命名关键字参数（…,*,…）

如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。

#*后面的参数即被视为命名关键字参数
def person（name，age，*，city，job）：
    print（name，age，city，job）

和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*。

如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了；命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错。（该例中缺失参数名city和job）

  

命名关键字参数也可以有缺省值，从而简化调用

参数组合

在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。

参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。

递归函数

在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

问题：设置函数计算阶乘（factorial）n！

因为n！=1 *2*3*4*…n-1*n = （n-1）！*n ， 所以阶乘函数factorial（n）=factorial（n-1）*n，当n=1时，需另外注释。

def factorial（n）：
    if n == 1：
        return 1
    return n * factorial（n-1）#return中有乘法表达式

递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

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factorial（1000）报错RuntimeError: maximum recursion depth exceeded in comparison）

解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指，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。遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。

def factorial(n):
    return factorial_iter(n,1)

def factorial_iter(num,product):
    if num == 1：
        return product
    return factorial_iter（num - 1，num * product）

# return fact_iter(num - 1, num * product)仅返回递归函数本身，
#num - 1，和num * product 在函数调用前就会被计算，不影响函数调用