背景到目前为止,我们已经学习了以下四部分内容: 今天,我们一起来学习第五部分的内容:函数与 Lambda 表达式。
Python 基础语法1. 函数 函数的定义 函数以def 关键词开头,后接函数名和圆括号()。 函数执行的代码以冒号起始,并且缩进。 - return [表达式] 结束函数,选择性地返回一个值给调用方。不带表达式的return相当于返回
None 。
def functionname(parameters): "函数_文档字符串" function_suite return [expression]
函数的调用 Sample01: def printme(str): print(str)
printme("我要调用用户自定义函数!") # 我要调用用户自定义函数! printme("再次调用同一函数") # 再次调用同一函数 temp = printme('hello') # hello print(temp) # None
Sample02: def add(a, b): print(a + b)
add(1, 2) # 3 add([1, 2, 3], [4, 5, 6]) # [1, 2, 3, 4, 5, 6]
函数文档 def MyFirstFunction(name): "函数定义过程中name是形参" # 因为Ta只是一个形式,表示占据一个参数位置 print('传递进来的{0}叫做实参,因为Ta是具体的参数值!'.format(name))
MyFirstFunction('老马的程序人生') # 传递进来的老马的程序人生叫做实参,因为Ta是具体的参数值! print(MyFirstFunction.__doc__) # 函数定义过程中name是形参 help(MyFirstFunction)
# Help on function MyFirstFunction in module __main__: # MyFirstFunction(name) # 函数定义过程中name是形参
关键字参数 - 使用关键字参数允许函数调用时参数的顺序与声明时不一致,因为 Python 解释器能够用参数名匹配参数值。
def printinfo(name, age): print('Name:{0},Age:{1}'.format(name, age))
printinfo(age=8, name='小马') # Name:小马,Age:8
默认参数 - 调用函数时,默认参数的值如果没有传入,则被认为是默认值。
def printinfo(name, age=8): print('Name:{0},Age:{1}'.format(name, age))
printinfo('小马') # Name:小马,Age:8 printinfo('小马', 10) # Name:小马,Age:10
不定长参数 def functionname([formal_args,] *var_args_tuple ): "函数_文档字符串" function_suite return [expression]
def printinfo(arg1, *vartuple): print(arg1) for var in vartuple: print(var)
printinfo(10) # 10 printinfo(70, 60, 50)
# 70 # 60 # 50
函数的返回值 Sample01: def add(a, b): return a + b
print(add(1, 2)) # 3 print(add([1, 2, 3], [4, 5, 6])) # [1, 2, 3, 4, 5, 6]
Sample02: def back(): return [1, '小马的程序人生', 3.14]
print(back()) # [1, '小马的程序人生', 3.14]
Sample03: def back(): return 1, '小马的程序人生', 3.14
print(back()) # (1, '小马的程序人生', 3.14)
Sample04: def printme(str): print(str)
temp = printme('hello') # hello print(temp) # None print(type(temp)) # <class 'NoneType'>
变量作用域 Python 中,程序的变量并不是在哪个位置都可以访问的,访问权限决定于这个变量是在哪里赋值的。 定义在函数内部的变量拥有局部作用域,该变量称为局部变量。 定义在函数外部的变量拥有全局作用域,该变量称为全局变量。 - 局部变量只能在其被声明的函数内部访问,而全局变量可以在整个程序范围内访问。
def discounts(price, rate): final_price = price * rate return final_price
old_price = float(input('请输入原价:')) # 98 rate = float(input('请输入折扣率:')) # 0.9 new_price = discounts(old_price, rate) print('打折后价格是:%.2f' % new_price) # 88.20
num = 1
def fun1(): global num # 需要使用 global 关键字声明 print(num) # 1 num = 123 print(num) # 123
fun1() print(num) # 123
内嵌函数 def outer(): print('outer函数在这被调用')
def inner(): print('inner函数在这被调用')
inner() # 该函数只能在outer函数内部被调用
outer() # outer函数在这被调用 # inner函数在这被调用
闭包 def funX(x): def funY(y): return x * y
return funY
i = funX(8) print(type(i)) # <class 'function'> print(i(5)) # 40
def outer(): num = 10
def inner(): nonlocal num # nonlocal关键字声明 num = 100 print(num)
inner() print(num)
outer()
# 100 # 100
递归 Sample01:n! = 1 x 2 x 3 x ... x n 循环: n = 5 for k in range(1, 5): n = n * k print(n) # 120
递归: def factorial(n): if n == 1: return 1 return n * fact(n - 1)
print(factorial(5)) # 120
Samp02:斐波那契数列 f(n)=f(n-1)+f(n-2), f(0)=0 f(1)=1 循环: i = 0 j = 1 lst = list([i, j]) for k in range(2, 11): k = i + j lst.append(k) i = j j = k print(lst) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
递归: def recur_fibo(n): if n <= 1: return n return recur_fibo(n - 1) + recur_fibo(n - 2)
lst = list() for k in range(11): lst.append(recur_fibo(k)) print(lst) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
import sys
sys.setrecursionlimit(1000)
Lambda 表达式 匿名函数 所谓匿名,即不再使用def 语句定义一个函数。 python 使用 lambda 来创建匿名函数。 lambda 只是一个表达式,函数体比def 简单很多。 lambda 函数拥有自己的命名空间,且不能访问自己参数列表之外或全局命名空间里的参数。
sumary = lambda arg1, arg2: arg1 + arg2 print(sumary(10, 20)) # 30
Lambda 表达式的应用 filter(function, iterable) 过滤序列,过滤掉不符合条件的元素,返回一个迭代器对象,如果要转换为列表,可以使用 list() 来转换。
odd = lambda x: x % 2 == 1 templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(templist)) # [1, 3, 5, 7, 9]
m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) print(list(m1)) # [1, 4, 9, 16, 25] m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10]) print(list(m2)) # [3, 7, 11, 15, 19]
总结好了,到此为止有关于函数和 Lambda 表达式部分就介绍完了,小朋友们要根据上面的例子多多体会,只有刻意练习才能掌握一门技术,没有捷径的,加油啊!See You!
相关图文:
经过8年多的发展,LSGO软件技术团队在「地理信息系统」、「数据统计分析」、「计算机视觉」等领域积累了丰富的研发经验,也建立了人才培养的完备体系,由于自己准备在「量化交易」领域精进技能,如果大家对这个领域感兴趣可以与我联系,加入我们的量化学习群一起学习探讨。 在这个领域我已做了以下积累: 策略部分: 数据部分: 自动化交易部分:
|