python如何使用函数(Python函数用法)-路由通

Python作为一门灵活且强大的编程语言，其函数机制是构建模块化代码的核心工具。通过函数，开发者能够将复杂逻辑拆解为可复用的独立单元，显著提升代码的可读性和维护性。Python函数的特性涵盖定义灵活性、参数多样性、作用域管理、高阶功能支持等多个维度，使其既能处理简单任务，也能实现复杂的设计模式。例如，默认参数和可变参数允许函数适应不同场景，而闭包和装饰器则拓展了函数的功能边界。此外，Python内置函数与自定义函数的结合，以及lambda表达式对匿名函数的支持，进一步丰富了函数的使用场景。

p ython如何使用函数

一、函数定义与调用基础

Python函数通过def关键字定义，语法结构简洁直观。函数体以缩进划分，返回值通过return语句指定。调用时可直接使用函数名加参数，支持位置传递和关键字传递两种方式。

特性	示例代码	说明
基本定义	`def add(a, b): return a + b`	使用冒号和缩进划分函数体
调用方式	`add(3, 5) add(a=3, b=5)`	支持位置参数和关键字参数混合调用
无返回值	`def greet(): print("Hello")`	默认返回`None`

二、参数类型与传递机制

Python函数参数分为位置参数、默认参数、可变参数、关键字参数和命名参数。参数传递采用“对象引用传递”机制，不可变对象（如整数、字符串）的修改不会影响原值，而可变对象（如列表、字典）的修改会直接影响原始数据。

参数类型	语法示例	特性说明
位置参数	`def func(a, b)`	必须按顺序传递，数量固定
默认参数	`def func(a, b=10)`	支持缺省值，需放在必选参数后
可变参数	`def func(*args)`	接收任意数量位置参数，转为元组
关键字参数	`def func(**kwargs)`	接收任意数量关键字参数，转为字典

三、作用域与闭包

Python采用LEGB作用域规则（Local→Enclosed→Global→Built-in），嵌套函数可以访问外层函数的局部变量，形成闭包。闭包使得函数可以保留定义时的外部环境状态，常用于装饰器和回调函数。

作用域类型	访问权限	生命周期
局部作用域	仅在函数内部访问	随函数调用开始，执行结束释放
闭包作用域	嵌套函数可访问外部函数变量	外部函数执行完毕后仍保留
全局作用域	通过`global`声明修改	程序运行期间持续存在

四、高阶函数与函数式编程

高阶函数指接受函数作为参数或返回函数的函数，典型代表包括map()、filter()和sorted()的key参数。结合lambda表达式，可实现简洁的函数式编程风格。

高阶函数	用途	示例
`map(func, iter)`	对可迭代对象元素应用函数	`list(map(lambda x: x*2, [1,2,3]))`
`filter(func, iter)`	筛选满足条件的元素	`list(filter(lambda x: x%2, [1,2,3]))`
`sorted(iter, key=func)`	自定义排序规则	`sorted([3,1,2], key=lambda x: -x)`

五、装饰器原理与应用

装饰器本质是通过闭包改写函数对象，在不修改原函数代码的前提下扩展功能。语法上使用@decorator_name标注，执行流程为：加载装饰器→替换原函数→调用增强后的函数。

装饰器类型	实现方式	典型场景
普通装饰器	`@decorator def func(...)`	日志记录、性能计时
带参数装饰器	`@decorator(arg) def func(...)`	配置化扩展功能（如重试次数）
类装饰器	`@ClassDecorator def func(...)`	面向对象场景的功能增强

六、Lambda表达式与匿名函数

Lambda表达式用于创建单行匿名函数，语法为lambda args: expression。它省略了函数定义的繁琐语法，常用于需要临时函数的场景，但受限于只能表达简单逻辑。

特性对比	Lambda表达式	普通函数
语法复杂度	单行极简定义	多行完整定义
功能范围	仅限单一表达式	支持复杂逻辑
复用性	一次性使用为主	可重复调用

七、内置函数与标准库函数

Python提供丰富的内置函数（如len()、sorted()）和标准库函数（如os.path模块）。内置函数可直接调用，而标准库函数需通过import导入，两者共同构成Python函数生态的核心。

类别	示例函数	使用特点
内置函数	`abs(), round(), zip()`	无需导入，性能优化
标准库函数	`datetime.now(), re.match()`	需模块导入，功能专精
第三方库函数	`pandas.DataFrame.apply()`	依赖安装，领域专用