7  函数

Note

1. 递归和函数式编程是进阶内容，看进度。
2. 匿名函数可以介绍。

在本章中，你将学习到：

• 什么是函数？ 理解函数的概念、作用以及它如何帮助我们编写更高效、更易读的代码。
• 如何定义和调用函数？ 掌握 def 关键字、函数名、参数、函数体和 return 语句的基本语法。
• 参数的多种玩法： 学习位置参数、关键字参数、默认参数，以及如何处理不定数量的参数 (*args 和 **kwargs)。
• 变量在函数中的“地盘”——作用域： 理解局部变量、全局变量以及LEGB规则。
• 函数与数据类型的互动： 了解当可变与不可变类型作为参数传递给函数时会发生什么。
• (进阶) 递归的初步认识： 函数如何调用自身来解决特定问题。
• (进阶) 函数式编程的魅力： 初探 map、filter、lambda 表达式等强大的工具，以及高阶函数和闭包的概念。

通过学习本章，你将能够将复杂的任务分解为一个个小巧而强大的函数，让你的代码更具结构化、模块化，也为后续更复杂的数据分析任务打下坚实的基础。让我们开始探索函数的奇妙世界吧！

首先，Python中的函数基本上可以类比我们熟悉的数学函数，比如正弦函数：

\[ sin(\pi) = 0 \]

但更广泛地理解，可以认为：把任何东西（“参数”）扔给函数，函数返回某个结果（“返回值”）给你：

例如：我们把 \(\pi\) 扔给正弦函数 \(sin\) ，会得到 \(0\) 。

例如：把榨汁机看成一个函数，那我们把苹果扔进榨汁机，就能得到苹果汁。

其中

1. 榨汁机：函数
2. 苹果：参数（你要丢给函数的东西）
3. 苹果汁：返回值（函数丢给你的东西）

• （进阶概念）副作用：除了返回值，函数还影响了一些其他东西。（后面会提到）

写成代码，大概是：

苹果汁 = 榨汁机(苹果)

现实的例子，我们面前已经用过的，比如求List的长度：

a = [1,2,3,4,5]
a_size = len(a)
print(a_size)

5

看a_size = len(a)这个代码

1. len() ：函数名
2. len(a) ：其中a是参数，即“你提供给这个函数的东西”
3. a_size = len(a)：会返回a的长度（元素的数量），你把这个结果放在变量a_size之中

一般而言，写函数我们往往希望达到：

1. 代码复用 (Reusability)：避免重复编写相同的代码块。
2. 模块化 (Modularity)：将复杂问题分解为更小、更易于管理的部分。
3. 可读性 (Readability)：结构清晰，易于理解代码的逻辑和意图。
4. 可维护性 (Maintainability)：修改或调试时，只需关注特定函数。

比如在数据分析中，你可能需要多次对不同的数据集进行同样的清洗操作（如去除缺失值、转换数据类型），这时把清洗步骤封装成一个函数，就可以反复使用。

7.1 定义一个函数

在python中

1. 定义一个函数的关键字是def，
2. def后，是函数名，小括号内是参数（这个函数要接收的东西），最后是冒号
3. 函数体，要有“1个缩进”
4. 返回关键词是return。如果函数执行完都没有遇到return，则返回none

• 注意：这个截图中的代码有一个错误。

函数命名的约定：

1. 推荐使用 snake_case (小写字母和下划线) 命名风格
2. 避免和内置的名称重名（如前面截图中定义的max()函数）。回忆我们前面说的，变量名（和函数名）只是一个标签，避免你定义的函数顶替掉内置的函数。

7.1.1 例：加法函数

举一个最简单的例子，我们要写一个加法函数，其作用就是把2个变量相加。或者说，你给这个函数“传递2个参数”，这个函数会返回他们的和。

#%% 定义一个加法函数
def add(x, y):
    z = x + y
    return z

逐行解释一下

第一行： def add(x, y):

1. 定义一个函数，由def开头
2. 接着是你给这个函数起的名字add
3. 名字后面是小括号，里面包含了这个函数的“参数”。这里是2个参数，命名为x和y。显然，这就是你调用这个函数的时候，要给函数的东西。
4. 和if、for语言等一样，最后是冒号，不要忘记。

注意：关于参数，2个参数的名字你可以自己定义，不一定是x和y。这2个参数的名字，如同一切变量名一样，最终会”指向”2个值，所以你在函数的内部，就可以用这2个名字，来引用这2个值

第二行：z = x + y

1. 注意，前面有“1个”缩进(Tab)，指示这个语句比函数本身低一级
2. z = x + y，一目了然。需要说明的是，函数体内的2个参数，在函数体内部已经有所指代，所以不会出现x和y不存在之类的错误。

第三行：return z

1. 前面还是“1个”缩进，这是和z = x + y同一个层级的代码。
2. 返回使用return语句。这里把和z，返回给上一层。

定义好之后，我们可以像使用任何函数一样调用它

我们来一个很熟悉的代码。

a = 1
b = 2
c = add(a, b) 
print(c)

3

7.1.2 例：求两个数的最大值

思路：

1. 如果a > b，则返回a。
2. 否则返回b。（此时a <= b，显然两者相等时，返回b也没错）

#%% 定义一个函数，接收两个参数，返回其最大值
def my_max(a, b):
    if a > b:
        return a  # 返回a
    else:
        return b  # 返回b  
        
print(my_max(3,5))

5

7.1.3 例：计算圆的面积

另一个例子，已知：圆的半径是\(r\)，我们要计算圆的面积，公式就是\(y = \pi r^2\)。

我们准备写一个函数来做这件事：

1. 这个函数会根据我们提供的半径\(r\)，返回一个圆的面积给我们。
2. 显然，这个函数必然是接受r作为参数
3. 我们做的，是算出面积，然后返回一下

def calc_area(r): 
    area = 3.14159 * (r ** 2) 
    return area

x = 5 
area = calc_area(x)

print(f"半径为{x}的圆，其面积为{area:0.2f}")

半径为5的圆，其面积为78.54

7.1.4 不返回值

若函数不需要返回任何值，不写return语句，或者return语句后不返回任何值

#%% 这2种都是可以的
def hello():
    print("hello") # 不写return
    
def hello2():
    print("hello")
    return # 写return但不包括返回值

hello()
hello2()

hello
hello

7.1.5 什么也不做的函数

有时候需要先占用函数名，但是函数的内容想以后再写，此时可以写一个空函数。函数体内只需要使用pass语句。

特别地，没有return语句（例如现在这种情况），或者return语句不返回值的时候，函数会返回一个none。

def do_noting():
    pass

print(do_noting())

None

7.1.6 小练习

结合前面的学习内容：

1. 实现一个函数my_count()，计算并返回一个列表的元素数量，但不要使用自带的len()函数。

print(my_count([2,3,4,5])) # 应该输出 4

2. 实现一个函数my_max_len()，找到一个字符串列表中最长的字符串，但不要使用自带的max()函数。

print(my_max_len(['a','bbb','cc'])) # 应该输出 'bbb'

3. 实现一个函数find_min_max()，一个查找列表中最大和最小值，并返回一个元组.

print(find_min_max([1, 5, 3, 9, 2, 7]))  # 应该输出 (1, 9)
print(find_min_max([-5, 0, 10, -10, 5]))  # 应该输出 (-10, 10)

7.2 参数

7.2.1 使用参数名

把参数传递给函数，可以按参数的顺序，也可以使用参数的名称

7.2.2 例：使用参数名称传递参数

def print_info(name, age):
    print("姓名: ", name)
    print("年龄: ", age)

print_info('Alex',20) # 按参数顺序：姓名，年龄
print ("------------------------")
print_info(age = 21, name = "Bob") # 按参数名，此时不用考虑参数的顺序

姓名:  Alex
年龄:  20
------------------------
姓名:  Bob
年龄:  21

7.2.3 默认参数

定义函数的时候，可以给某些参数定义一个默认值。

默认参数必须定义在最后。

7.2.4 例：乘方函数（n次方）

def power(x, n=2):  # n有默认值
    return x ** n

print(power(5))  # 调用函数不传递n的值，使用默认值，结果为25
print(power(3, 3))  # 调用函数传递n的值，使用传递值，结果为27

25
27

7.2.5 打包（packing）：处理不定数量的参数

打包位置参数

函数可以接受任意多个参数，例如求最大值的函数max()

print(max(1,6,2)) 
print(max(4,1,5,2))

6
5

你要写一个这样的函数，那么可创建一个新的参数，前面带一个*号。那么不在参数列表里的参数，会组成一个tuple，并且绑定带这个带*号的变量名。

# 第一个参数是class_id，从第二个参数起，不定数量个参数，都会组成一个tuple，并命名为`students`(没有*)
def print_students(class_id, *students): 
    '打印班级号，和同学的姓名'
    print("班级:",class_id)
    print("学生包括:", students) 
    
    # 也可以逐一打印
    print("学生包括：")
    for s in students: 
        print (s)

print_students(5 ,"Alex","Bob","clare")

班级: 5
学生包括: ('Alex', 'Bob', 'clare')
学生包括：
Alex
Bob
clare

实际上，如果你有可变参数的函数，如print_students，但是你拿到的数据是一个List，怎么办？

土办法，把列表元素一个个拿出来，传给函数

students_list  = ["Alex","Bob","clare"] # 这已经是一个list

print_students(5, students_list[0],students_list[1],students_list[2])

班级: 5
学生包括: ('Alex', 'Bob', 'clare')
学生包括：
Alex
Bob
clare

当然，也简单的办法，变量在传递给函数时，前面加个*，python会自动帮你拆开

students_list  = ["Alex","Bob","Clare"] # 这已经是一个list

print_students(5, *students_list) # 自动把students_list这个List，拆成多个元素

班级: 5
学生包括: ('Alex', 'Bob', 'Clare')
学生包括：
Alex
Bob
Clare

打包关键字参数

类似地，也允许函数接受任意数量的关键字参数（按参数名称传递），这些参数会被收集到一个字典中。

def print_info_flexible(name, **other_info):
    print(f"姓名: {name}")
    for key, value in other_info.items():
        print(f"{key}: {value}")

print_info_flexible("Alice", age=30, city="New York", occupation="Engineer")
# 姓名: Alice
# age: 30
# city: New York
# occupation: Engineer

姓名: Alice
age: 30
city: New York
occupation: Engineer

7.2.6 小练习

1. 利用不定数量参数，写一个函数my_sum()，可以求任意个变量的和。效果应该如下：

my_sum(1,2,3,4) == 10
my_sum(3,4,5) == 12

7.2.7 拆包（unpacking）：把数据结构拆散传给参数

你定义了一个函数，其中每一个参数都有明确的含义，而函数的参数保存在一个List、Tuple里（比如第一个元素对应第一个参数，第二个元素对应第二个参数等等）或者Dict里（key就对应参数名），把这些数据结构中的元素，当参数传给函数。

1. tuple或者list前面加*
2. dict前加**

称之为拆包（unpakcing）

例：

def add(x, y): 
    print(f'x是{x}，y是{y}')
    return x + y
    
# 土办法
params = dict(x=1,y=2)
print(add(params['x'],params['y']))


# 拆包  
params = dict(y=2,x=1) # 注：参数名一一对应，而非顺序。
print(add(**params))

# 
params = [1,2] # 第一个元素对应第一个参数
print(add(*params))

params = (2,1) # 第一个元素对应第一个参数
print(add(*params))

# 当然，这样也是一样的
print(add(*[1,2]))

x是1，y是2
3
x是1，y是2
3
x是1，y是2
3
x是2，y是1
3
x是1，y是2
3

• 注意和上一节的不同：定义函数的时候参数名是否带有星号？

7.3 参数作为可变类型和不可变类型

前面提到，多个变量名指向同一个可变对象（例如List，Dict），针对其中一个变量的修改，会引起所有指向同一个数据的变量都发生改变。

把List等，作为参数传递个一个函数，也有类似的后果。因此：

1. 当不可变类型（如数字、字符串、元组）作为参数传递时，函数内部对参数的重新赋值不会影响到函数外部的原始变量，因为这实际上是在函数内部创建了一个新的局部变量。
2. 当可变类型（如列表、字典）作为参数传递时，函数内部对该参数内容的修改（例如 list.append() 或修改字典的键值对）会影响到函数外部的原始变量，因为函数内外的变量名指向的是内存中的同一个对象。如果想避免这种情况，应在函数内部创建该对象的副本（如使用 list.copy() 或 dict.copy()）再进行操作。

下例中，

1. 把a_list作为参数x，转递给函数do_change(x)，那么在函数内部，变量x和外部a_list指向的是同一个数据，或者说，x成了a_list的别名。
2. 把x作为函数的返回值，返回到外层，并赋予b_list，那么b_list, x, a_list，三个名字，实际上都指向了内存中的同一块数据。
3. 当然，x只在函数体内可见。

a_list = list('apple') # a_list -> ['a', 'p', 'p', 'l', 'e']

def do_change(x):
    x[0] = 'B'
    return x

b_list = do_change(a_list) # 把a_list作为参数，则函数的参数 x -> a_list 

print(b_list)
print(a_list)

['B', 'p', 'p', 'l', 'e']
['B', 'p', 'p', 'l', 'e']

同意，如果你的设计意图并非“原地修改”，原变量必须保持不变，则可以把x拷贝一份。

a_list = list('apple') # a_list -> ['a', 'p', 'p', 'l', 'e']

def do_change(x):
    y = x.copy() # 把x拷贝一份，对y进行修改，那么x就保持不变了
    y[0] = 'B'
    return y

b_list = do_change(a_list) # 把a_list作为参数，则函数的参数 x -> a_list 

print(b_list)
print(a_list)

['B', 'p', 'p', 'l', 'e']
['a', 'p', 'p', 'l', 'e']

若传递的参数是不可变类型，如int，str等，则对参数的修改会自动引发拷贝，没有上述问题。前面已经说过了。

7.4 在推导式中使用函数

回忆列表推导式的一般形式：选出符合条件codition的i，然后对i进行某个操作do_something(i)，最后把结果集合成一个列表

[do_something(i) for i in a_list if condition(i)]

其中我们要对i进行的操作，可以是一个函数。

比如，我们要把一个列表中的值进行一个很复杂的运行，可以首先把这个运算写成一个函数。这里以乘以2为例。

def do_double(x):
    """这是一个超级复杂的运行，算法有一万行
    """
    return x * 2

do_double(3)

6

那么，用这个函数来处理列表中的每一个元素，列表推导式会每一个i交给函数，然后把函数的返回值组合成新的列表。

a = [1,2,3,4,5]

[do_double(i) for i in a]

[2, 4, 6, 8, 10]

7.4.1 小练习

1. 写一个函数work()，要求接受一个字符串的List作为参数，把List中的每一个字符串，去掉第一个字符和最后一个字符，然后转为大写。

应该的效果：

work(['apple','banana','orange']) == ['PPL','ANAN','RANG']

提示：

1. 写一个函数，用于处理1个字符串
2. 用列表推导式处理整个列表
3. 把上述代码包装在work()中

7.5 变量作用域

你在函数里调用了一个变量名，python会“从里到外”找这个变量，顺序是LEGB

LEGB含义解释：（暂时不用管）

• L-Local(function)即局部名称；函数内的名字空间
• E-Enclosing function locals即函数中嵌套函数的外部；外部嵌套函数的名字空间(例如closure)
• G-Global(module)即全局名称；函数定义所在模块（文件）的名字空间
• B-Builtin(Python)即内置名称；Python内置模块的名字空间

7.5.1 局部作用域

a = 10      # 全局变量a
def func():
    a = 20    # 局部变量a。在定义了局部变量a之后。后面使用a这个变量名，将会首先找到这个变量（即从里到外找）
    print(a)  # 应该是20
    
func()

20

a = 10      # 全局变量a
def func():
    print(a)  # 在函数内部，没有变量a，那么就往外一层找，因此会找到全局变量`a`，应该等于10
    
func()

10

r red("注:")：函数內部和外部变量重名的情况，要额外小心。因此第二个例子可能是你“忘记了在函数内部定义a”，而不是你想要“引用全局变量a”，但是因为有一个全局的变量a，所以忘记定义a这个问题可能会被隐藏。

7.5.2 全局作用域

特别地，函数内部的赋值语句，其中的变量会被python看作一个local变量，如果内部未定义，就可能出错。

因为Python在编译函数的字节码时，只要发现函数内部有对变量的赋值操作（如 a = ...），就会默认该变量是局部变量，除非显式声明为 global 或 nonlocal。

a = 100      # 全局变量a
def func():
    a = a + 1  # a + 1这个a系统认为是局部变量，但这个函数没有局部的a
    print(a)   # 全局变量a

func()

UnboundLocalError: local variable 'a' referenced before assignment

所以，如果你明确地要用一个函数外的变量，那么可以使用global关键字

a = 100      # 全局变量a
def func():
    global a # 说明：a这个变量名，指向的是全局变量a
    a = a + 1  
    print(a)   # 全局变量a
      
func()

101

7.6 递归简介（进阶）

递归：函数自己调用自己调用自己调用自己调用自己 …

例子，阶乘\(n! = n \times (n-1) \times (n-2) ... 2 \times 1\)

如 \(5! = 5 \times 4 \times 3 \times 2 \times 1\)

普通写法

def f(n):
    result = n
    
    for i in range(1, n): # 注意，range(1,n)，只到 n-1
        result *= i
    return result
 
result = f(5)
print(result)

120

递归的写法

\(f(n) = n * f(n-1)\)

\(f(n - 1) = (n - 1) * f(n - 2)\)

\(f(n) = n * (n - 1) * f(n - 2)\)

def f(n):
    if n == 1:
        return 1          # 递归终止条件
    else:
        return n * f(n-1) # 递归：自己调用了自己

result = f(5)
print(result)

120

7.7 函数式编程（进阶）

在我们已经熟练掌握了如何定义和使用函数之后，是时候接触一种更抽象、更数学化的编程范式了——函数式编程 (Functional Programming)。

函数式编程强调：

• 纯函数 (Pure Functions)：函数的输出完全由其输入决定，且没有副作用。
• 不可变性 (Immutability)：数据一旦创建，就不应被修改。
• 高阶函数 (Higher-Order Functions)：函数可以接受其他函数作为参数，或者返回一个函数。

在本节中，我们将初步探索Python中函数式编程的一些核心工具和思想，包括：

• map() 和 filter()：高效处理序列数据的利器。
• 匿名函数 lambda：快速创建简单的一次性函数。
• 高阶函数的概念：理解函数如何能被灵活地传递和创建。
• (选学) reduce()：对序列进行累积计算。
• (选学) 闭包 (Closures)：理解函数如何“记住”其创建时的环境。

7.8 map和filter

7.8.1 map

有一个List，a = [1,2,3,4,5]，你现在要把其中的每一个元素都乘以2，并保存在一个新的List中。用现有的知识，可以这样

1. 建立一个空的List用来保存结果result = []
2. 循环a中的所有元素，并且乘以2，添加到result的末端

a = [1,2,3,4,5]
print(a)

[1, 2, 3, 4, 5]

result = []
for i in a:
    result.append(i*2)

print(result)

[2, 4, 6, 8, 10]

map函数，可以把一个函数，应用到List中的所有元素上。

def do_double(x):
    '翻倍函数'
    return x * 2

print(do_double(3))

6

把do_dobule函数，应用到列表a中的每一个元素里。

result = map(do_double, a) # 把do_dobule函数，应用到列表a中的每一个元素里。

print(list(result))

[2, 4, 6, 8, 10]

也可用列表推导式

result = [i * 2 for i in a]
print(result)

result = [do_double(i) for i in a]
print(result)

[2, 4, 6, 8, 10]
[2, 4, 6, 8, 10]

把a里的元素，全部转换为str

result = map(str, a) # 把str函数，应用到列表a中的每一个元素里。

print(list(result))

['1', '2', '3', '4', '5']

7.8.2 filter

有一个List，a = [1,2,3,4,5]，你现在要选出符合特定条件的元素，例如选出其中的奇数，组成一个新的List。用循环做：

a = [1,2,3,4,5]

result = []

for i in a:
  if i % 2 == 1:
    result.append(i)
      
print(result)

[1, 3, 5]

和map一样，定义一个is_odd函数，作为filter的过滤条件，应该返回布尔值(True/False)，作为是否符合条件的结果。

def is_odd(x):
    return x % 2 == 1

print(is_odd(3))
print(is_odd(6))

True
False

filter(判断函数, List)

result = filter(is_odd, a)
print(list(result))

[1, 3, 5]

当然，也可以用列表推导式

[i for i in a if is_odd(i)]

[1, 3, 5]

7.8.3 混合map和filter

选出a中的奇数，并乘以2

map 和 filter的做法

result = list(map(do_double, filter(is_odd, a)))
print(result)

[2, 6, 10]

列表推导式的做法

result = [do_double(i) for i in a if is_odd(i)]
print(result)

[2, 6, 10]

这其实可以理解为一个“数据流的概念”：

'''
a 
-> filter by is_odd()
-> map by do_double()
-> reuslt
'''

'\na \n-> filter by is_odd()\n-> map by do_double()\n-> reuslt\n'

1. 列表a首先经过filter函数的加工，然后再经过map函数的加工，最后得到reuslt。
2. 比喻：一堆水果(数据）-> 剔除坏的（处理1）-> 清洗（处理2）-> 削皮（处理3）-> 榨汁（处理4） -> 果汁（处理后的数据）

注：

1. 多数情况下，列表推导式和map/filter函数几乎可以相互替代
2. 列表更加符合Python的“风格”
3. 但超级巨大List时，用map/filter性能更好：map/filter是一个lazy（惰性）函数，只有在你引用其中的值时，才会把函数真正应用上去。
4. map/filter的结果，最后要转为list

所以

1. 清晰性：列表推导式 > map/filter函数 > 循环
2. 性能：map/filter函数 > 列表推导式 > 循环

从逻辑上来讲，应该是先有map/filer：要把一个函数应用到List中的所有元素/过滤元素，这是个基础性的需求，大多数编程语言都有做这件事的办法。我们一般把这种操作统称为map/filter。Python的列表推导式，可以看成是一个Python优化版的map/filter。

7.8.4 匿名函数 lambda

在我们使用map、filter，或者列表推导式的时候，如果要对列表做的操作非常简单、一目了然，并且可以写进一行（比如乘以二，或者取最后一个字母等等），那么我们可以不用专门写一个函数，而直接放一个匿名函数进去。

使用lambda关键字，一个表达式，直接返回这个表达式的结果，不用写return。

写法一般是：

lambda <参数列表>: <对参数的操作>

例如一个匿名版本的add(a,b)函数：

lambda a,b : a + b

或者一个匿名的翻倍函数：

lambda x: x * 2

以把一个列表所以元素翻倍为例：

用普通函数：事先定义了一个do_double函数，这个函数返回参数x2

result =  map(do_double, a)
print(list(result))

[2, 4, 6, 8, 10]

用匿名函数：乘以2这类简单操作，用匿名函数即可，可以省下预先定义do_double函数。

result =  map(lambda x : x * 2,a)
print(list(result))

[2, 4, 6, 8, 10]

注：

对于初学者，如果不是一个超级简单的操作，建议还是应该用一个可以“顾名思义”的函数。

7.8.5 map和filter的结果：惰性

如果我们直接打印map和filter的结果，我们会发现，它们的返回值不是一个List，而是一个map object或者filter object。

这是因为map和filter，不会在你调用map()/filter()函数的时候马上进行计算，而是在你读取其中的值的时候，才进行具体计算。我们称之为“惰性求值”。

例如，用前面的List翻倍的例子。

a = [1,2,3,4,5]
result = map(lambda x : x * 2,a) # 当你调用map的时候，并未真正地进行计算
print(result)

<map object at 0x10733ae60>

所以，当你把map()/filter()函数的结果打印出来看的时候，python会告诉你，这是个map/filter object，即map/filter函数的结果。但是，里面具体的数据还没计算出来，所以没法直接使用

要用，很简单，用list()函数转换为一个列表即可。

print(list(result))

[2, 4, 6, 8, 10]

当然，如果你使用列表推导式，那么结果直接就是一个List。

result = [i * 2 for i in [1,2,3,4,5]]
print(result)

[2, 4, 6, 8, 10]

对于filter函数也一样：返回的不是列表，需要你手动转换。

def is_even(x):
    return x % 2 == 0

# 过滤出偶数
print(list(filter(is_even, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])))

[2, 4, 6, 8, 10]

7.9 高阶函数

在python中，函数是一等公民（头等函数，first-class function）。

一个函数，可以和任何变量或者对象一样，绑定一个名字（函数名），也可以换一个名字（重绑定），也可以作为参数传递给另一个函数（函数作为参数传另一个函数），也可以作为一个函数的返回值（函数返回另一个函数）。

7.9.1 函数是一等公民

def add(x,y):
    return x + y

print(add(1,2))

3

函数和变量一样，其名字也可以重新绑定.

dda = add之后，dda和add指向同一个函数（加法函数），dda()也可以正常调用。

dda = add

print(dda(1,2))

3

7.9.2 函数作为参数

例如map，可以把一个指定的函数，应用到List的每一个元素上。

map()函数的第一参数，就是你要应用到List元素上的函数， 比如前例中乘以2do_double，这里是把函数do_double作为参数传递给了map。第二个参数，就是你要处理的List。

result = map(do_double, [1,2,3,4,5])
print(list(result))

[2, 4, 6, 8, 10]

7.9.3 “函数生成器”（进阶）

用参数来生成不同的函数。

例如，我们写一个函数，用于求一个数x的n次方。显然我们可以写一个这样的函数。

def power(x,n):
    return x ** n

例如，3的平方：

print(power(3,2))

9

例如，2的3次方：

print(power(2,3))

8

平方、三次方等等，非常的常用，我们想写个专门的函数，可以少输入一个参数

def square(x):
    return power(x,2)

print(square(3))

9

同样，三次方也是

def cube(x):
    return power(x,3)

print(cube(2))

8

我们看到，这2个函数，函数体几乎完全一样，只有1个地方不同：2和3。

1. 如果某些场合，4次方也很常用，我们可以原样建立一个4次方函数。
2. 但是，这么多的函数，只有1个地方不同，必定是可以再往上抽象一层。

这个函数，可以根据你给的参数n，生成另一个函数：n次方函数生成器

def make_power_funcion(n):
    
    def func(x):
        # return power(x, n) # 也是一样的
        return x ** n 
    
    return func

make_power_funcion是一个函数，这个函数会返回另一个函数func

'''
约等于以下代码

def func(x):
    n = 2
    return x ** n

square = func
'''
square = make_power_funcion(2)

cube = make_power_funcion(3)

print(square(3))

print(cube(2))

9
8

7.9.4 reduce （进阶）

reduce和map一样，不单是一个具体的函数，同时也是“一种常用的操作”，所以放在大部分编程语言中，都有相同的含义。因此一般会与map并列，常称之为map/reduce。

和map一样，reduce同样可以把一个函数应用到一个列表上，区别在于，你使用reduce的时候，你要运用的函数，例如func(x,y)，有2个参数。

reduce会这么做：

1. 取出你要处理的列表的头2个元素（a[0]和a[1]），传进func(a[0], a[1])中，并得到一个返回值，如z1
2. 取出列表的第3个元素a[2]，和前一个结果，一起传入func(z1,a[2])，得到一个返回值，如z2
3. 取出列表的第4个元素a[3]，和前一个结果，一起传入func(z2,a[3])，得到一个返回值，如z3
4. …

例如，我们对一个列表a = [1,3,5,7,9]，reduce一下应用我们前面写的add()函数。

显然，这个操作大概是这个过程。

reduce函数在functools模块中，模块我们后面会讲。要引入reduce函数，使用这行代码：

from functools import reduce

from functools import reduce
a = [1,3,5,7,9]

reduce(add,a)

25

7.9.5 闭包Closure（进阶）

一个闭包closure，可以认为是一个函数，但除了函数体本身，包含了定义闭包时的数据。

例如

def make_power_funcion(n):
    def func(x):
        # return power(x, n) # 也是一样的
        return x ** n 
    
    return func

这个代码里，调用power()函数，会返回另一个函数fun()。

这个函数里面调用了变量n，但n不在fun()的函数体内，而在上一层。fun()函数，会把生产自己的坏境中的变量（本例中即n），也包括在里面：闭包是一个附带数据的函数。

这段代码发生了什么？

square = make_power_funcion(2) 

square函数，相当于一个附带了n=2的func()函数

1. power(n = 2)，其中n = 2
2. 在make_power_funcion()函数的内部，func(x)是可以看见这个n=2的
3. return func的时候，会把n=2，一并返回到外层
4. square = power(2),此时我们把square这个名字，绑定给func这个函数（闭包），而后者同时还附带了n=2

前面讲变量作用域，python找一个名称，是从内到外

1. L局部作用域：即函数体内。例如本例中func函数的x
2. Enclosing function locals：函数中嵌套函数的外部：例如本例中func函数的n
3. G全局：代码的最外层
4. B内置名称：python的一些内置的名称，如max函数

现在可知，python查找变量名，先找局部作用域（函数内部），再找闭包的附带数据，再找全局变量，再找python的内置名称。

7.10 本章小结

本章核心回顾：

• 函数的定义：使用 def 关键字，包含函数名、参数列表、冒号和缩进的函数体。
• 参数传递：理解位置参数、关键字参数、默认值、*args 和 **kwargs 的用法。
• 返回值：使用 return 语句从函数中返回结果；若无 return 或 return 后无值，则返回 None。
• 作用域：LEGB规则决定了变量的查找顺序，global 和 nonlocal (进阶) 关键字用于修改外部作用域的变量。
• 可变/不可变类型作参数：注意可变类型（如列表）作参数时，在函数内部的修改会影响外部原对象。
• 函数式编程初步：map、filter 用于对序列进行批量操作，lambda 用于创建简单的匿名函数。

常见错误 (Common Errors & Pitfalls)：

1. UnboundLocalError: local variable 'var_name' referenced before assignment
   • 原因：在函数内部尝试修改一个与全局变量同名的变量，但没有使用 global 关键字声明，Python会认为你试图引用一个尚未赋值的局部变量。
   • 示例：x = 10; def func(): x = x + 1; print(x)，调用 func() 会报错。
   • 解决：如果意图是修改全局变量，请在函数内部使用 global var_name。
2. 忘记 return 或 return 位置不当
   • 原因：函数需要返回一个计算结果，但忘记写 return 语句，或者 return 语句在逻辑上没有被执行到（例如在某个 if 分支内，但条件未满足）。
   • 结果：函数默认返回 None，可能导致后续代码逻辑错误。
   • 解决：仔细检查函数的逻辑，确保在所有期望的路径上都有正确的 return 语句。
3. 对可变类型参数副作用的忽视
   • 原因：将列表或字典等可变对象传入函数，在函数内部修改了它，导致函数外部的原始对象也被意外改变。
   • 解决：如果不想修改原始对象，在函数内部应先创建副本（如使用 .copy() 方法）。