Python中的自定义函数学习笔记

定义一个什么都不做的函数


>>> def a():
... pass
...

>>> def printHello():
... print("hello")
...
>>> printHello()
hello
>>> callable(printHello)
True


顾名思义,callable函数用于判断函数是否可以调用

有书上说,callable在python3.0中已经不再使用,而使用hasattr(func,'__call__')代替;


>>> hasattr(printHello,'__call__')
True
  
>>> printHello.__doc__
>>> def printHello():
... 'just print hello'
... print('hello')
...
>>> printHello.__doc__
'just print hello'
  
每个函数都有一个__doc__属性,双下划线表示它是个特殊属性
  
内建的help函数非常有用,可以提供有关方法/函数的帮助信息;

>>> help(printHello)

函数的注释信息包含其中;
  
虽然printHello函数没有使用return,可以用一个变量接收返回值:


>>> result = printHello()
hello
>>> result
>>> print(result)
None
 
None是Python的内建值,类似Javascript的undefined么?
  
定义一个可以接收参数的printStr,用以打印字符串

>>> def printStr(str):
... print(str)

  
>>> printStr("hello")
hello
  
像C++一样,Python支持认参数

>>> def printStr(str="nothing"):
... print(str)
..
  
>>> printstr()
nothing

再来看看传参方式

>>> a = [1,2]
>>> def try_change_list(a):
... a[:] = [1,1,1]
...
>>> try_change_list(a)
>>> a
[1,1]

Python的传参可以理解为按值传递(同java,Javascript)?
  
BTW:如果不想让try_change_list改变原来的对象,可以传入a[:]

>>> a = [1,2]
>>> try_change_list(a[:])
>>> a
[1,2]

当然,这里做的是浅拷贝,可以使用copy模块的deepcopy来进行深拷贝;
  
除了支持参数认值,还支持命名传参:

>>> def sum(a=0,b=0):
... return a + b;
...
>>> sum(2,2)
4
>>> sum(b = 3,a = 4)
7

这种特性在参数较多时比较好用;
  
来看一下,Python对可变参数列表的支持

>>> def sum(*args):
... s = 0;
... for i in args:
... s += i;
... return s
...
>>> sum(1,2,3,4)
10

这是一个简单的求和例子,不同于C/C++的静态类型,Python并不会限制传入sum函数的参数的类型:

>>> def printArs(*args):
... for a in args:
... print(a)
...
>>> printArs(2,[2,2],(2,),'df')
2
3
[2,2]
(2,)
df
>>> printArs(*(2,'df'))
2
3
[2,)
df
>>> printArs(*[2,'df'])
2
3
[2,)
df

这里的args对应于Javascript的arguments;
  
除了使用使用元组(tuple)接收可变参数,还可以使用dictionary接收命名参数:

>>> def printArs(**args):
... for k in args:
... print(repr(k) + " = " + repr(args[k]))
...
>>>
>>> printArs(name='wyj',age=24)
'name' = 'wyj'
'age' = 24
>>> printArs(**{'name':'wyj','age':24})
'name' = 'wyj'
'age' = 24

当然,更复杂地,可以混合使用*arg,**arg,认值特性:

相关文章

在前一篇博客中我们介绍了加侧旋的乒乓球弧圈技术的模拟,本...
在近期conda的版本更新中,有可能会删除路径下的_sysconfigd...
本文主要展示了一些lambda表达式的使用示例,通过这些示例,...
本文通过对比Jax和Numpy计算Normalized Hamming Distance的过...
我们知道GPU加速在可并行化程度比较高的算法中,能够发挥出比...
Numpy这个库在Python编程中非常的常用,不仅在性能上补足了P...