Python之函数-面向过程的编程

一、函数的定义及调用

1.1为什么要用函数

1、提高代码复用性——抽象出来，封装为函数

2、将复杂的大问题分解成一系列小问题，分而治之——模块化设计的思想

3、利于代码的维护和管理
顺序式

# 5的阶乘
n = 5
res = 1
for i in range(1, n+1):
    res *= i
print(res)
​
# 20的阶乘
n = 20
res = 1
for i in range(1, n+1):
    res *= i
print(res)

output:
120
2432902008176640000

抽象成函数

def factoria(n):
    res = 1
    for i in range(1,n+1):
        res *= i
    return res
​
print(factoria(5))
print(factoria(20))

output:
120
2432902008176640000

1.2 函数的定义及调用

白箱子：输入——处理——输出
三要素：参数、函数体、返回值
1、定义

def 函数名（参数）：

函数体

return 返回值

# 求正方形的面积
def area_of_square(length_of_side):
    square_area = pow(length_of_side, 2)
    return square_area    

2、调用

函数名（参数）

area = area_of_square(5)
area

output:
25

1.3 参数传递

0、形参与实参

形参（形式参数）：函数定义时的参数，实际上就是变量名
实参（实际参数）：函数调用时的参数，实际上就是变量的值

1、位置参数

严格按照位置顺序，用实参对形参进行赋值(关联）
一般用在参数比较少的时候

def function(x, y, z):
    print(x, y, z)
    
    
function(1, 2, 3)    # x = 1; y = 2; z = 3

output:
1 2 3
实参与形参个数必须一一对应，一个不能多，一个不能少

function(1, 2)

---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
----> 1 function(1, 2)
TypeError: function() missing 1 required positional argument: ‘z’

function(1, 2, 3, 4)

---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
----> 1 function(1, 2, 3, 4)
TypeError: function() takes 3 positional arguments but 4 were given

2、关键字参数

打破位置限制，直呼其名的进行值的传递（形参=实参）
必须遵守实参与形参数量上一一对应
多用在参数比较多的场合

def function(x, y, z):
    print(x, y, z)     
function(y=1, z=2, x=3)    # x = 1; y = 2; z = 3

output:
3 1 2

位置参数可以与关键字参数混合使用
但是，位置参数必须放在关键字参数前面

function(1, z=2, y=3)

1 3 2

function(1, 2, z=3)

1 2 3

不能为同一个形参重复传值

def function(x, y, z):
    print(x, y, z)
function(1, z=2, x=3)

---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
3
4
----> 5 function(1, z=2, x=3)
TypeError: function() got multiple values for argument ‘x’

3、默认参数

在定义阶段就给形参赋值——该形参的常用值
在定义阶段就给形参赋值——该形参的常用值
默认参数必须放在非默认参数后面
调用函数时，可以不对该形参传值
机器学习库中类的方法里非常常见

def register(name, age, sex="male"):
    print(name, age, sex)

register("大杰仔", 18)

output:
大杰仔 18 male

也可以按正常的形参进行传值

register("林志玲", 38, "female")

output:
林志玲 38 female

默认参数应该设置为不可变类型（数字、字符串、元组）

def function(ls=[]):
    print(id(ls))
    ls.append(1)
    print(id(ls))
    print(ls)
function()

output:
1759752744328
1759752744328
[1]

function()

output:
1759752744328
1759752744328
[1, 1]

function()

output:
1759752744328
1759752744328
[1, 1, 1]

def function(ls="Python"):
    print(id(ls))
    ls += "3.7"
    print(id(ls))
    print(ls)       
function()

output:
1759701700656
1759754352240
Python3.7

function()

output:
1759701700656
1759754353328
Python3.7

function()

output:
1759701700656
1759754354352
Python3.7

让参数变成可选的

def name(first_name, last_name, middle_name=None):
    if middle_name:
        return first_name+middle_name+last_name
    else:
        return first_name+last_name    
print(name("大","仔"))
print(name("大", "仔", "杰"))

output:
大仔
大杰仔

4、可变长参数*args

不知道会传过来多少参数 *args
该形参必须放在参数列表的最后

def foo(x, y, z, *args):
    print(x, y ,z)
    print(args)        
foo(1, 2, 3, 4, 5, 6)    # 多余的参数，打包传递给args

output:
1 2 3
(4, 5, 6)

实参打散

def foo(x, y, z, *args):
    print(x, y ,z)
    print(args)    
foo(1, 2, 3, [4, 5, 6])    

output:
1 2 3
([4, 5, 6],)

打散

foo(1, 2, 3, *[4, 5, 6])   # 打散的是列表、字符串、元组或集合

output:
1 2 3
(4, 5, 6)

5、可变长参数 **kwargs

def foo(x, y, z, **kwargs):
    print(x, y ,z)
    print(kwargs)        
foo(1, 2, 3, a=4, b=5, c=6)    #  多余的参数，以字典的形式打包传递给

output:
kwargs
1 2 3
{‘a’: 4, ‘b’: 5, ‘c’: 6}

字典实参打散

def foo(x, y, z, **kwargs):
    print(x, y ,z)
    print(kwargs)    
foo(1, 2, 3, **{"a": 4, "b": 5, "c":6})

output:
1 2 3
{‘a’: 4, ‘b’: 5, ‘c’: 6}

可变长参数的组合使用

def foo(*args, **kwargs):
    print(args)
    print(kwargs)    
foo(1, 2, 3, a=4, b=5, c=6) 

output:
(1, 2, 3)
{‘a’: 4, ‘b’: 5, ‘c’: 6}

1.4 函数体与变量作用域

函数体就是一段只在函数被调用时，才会执行的代码，代码构成与其他代码并无不同
局部变量——仅在函数体内定义和发挥作用

def multipy(x, y):
    z = x*y
    return z   ​
multipy(2, 9)
print(z)            # 函数执行完毕，局部变量z已经被释放掉了

---------------------------------------------------------------------------
NameError Traceback (most recent call last)
in
5
6 multipy(2, 9)
----> 7 print(z) # 函数执行完毕，局部变量z已经被释放掉了
NameError: name ‘z’ is not defined

全局变量——外部定义的都是全局变量
全局变量可以在函数体内直接被使用

n = 3
ls = [0]
def multipy(x, y):
    z = n*x*y
    ls.append(z)
    return z   
print(multipy(2, 9))

output:
ls
54
[0, 54]

通过global 在函数体内定义全局变量

def multipy(x, y):
    global z
    z = x*y
    return z 
print(multipy(2, 9))
print(z)

output:
18
18

1.5 返回值

1、单个返回值

def foo(x):
    return x**2
res = foo(10)
res

output:
100

2、多个返回值——以元组的形式

def foo(x):
    return 1, x, x**2, x**3    # 逗号分开，打包返回
print(foo(3))

output:
(1, 3, 9, 27)

a, b , c, d = foo(3)       # 解包赋值
print(a)
print(b)
print(c)
print(d)

output:
1
3
9
27

3、可以有多个return 语句，一旦其中一个执行，代表了函数运行的结束

def is_holiday(day):
    if day in ["Sunday", "Saturday"]:
        return "Is holiday"
    else:
        return "Not holiday"
    print("啦啦啦德玛西亚，啦啦啦啦")    
print(is_holiday("Sunday"))
print(is_holiday("Monday"))

output:
Is holiday
Not holiday

4、没有return语句，返回值为None

def foo():
    print("我是孙悟空")
res = foo()
print(res)

output:
我是孙悟空
None

1.6 几点建议

1、函数及其参数的命名参照变量的命名

字母小写及下划线组合
有实际意义
2、应包含简要阐述函数功能的注释，注释紧跟函数定义后面

def foo():
    # 这个函数的作用是为了给大家瞅一瞅，你瞅啥，瞅你咋地。。。。
    pass

3、函数定义前后各空两行

def f1():
    pass
​
                 # 空出两行，以示清白
def f2():
    pass
​
​
def f3(x=3):    # 默认参数赋值等号两侧不需加空格
    pass
​
​
# ...

4、默认参数赋值等号两侧不需加空格

二、函数式编程例子

模块化编程思想：自顶向下，分而治之
【问题描述】

小丹和小伟羽毛球打的都不错，水平也在伯仲之间，小丹略胜一筹，基本上，打100个球，小丹能赢55次，小伟能赢45次。
但是每次大型比赛（1局定胜负，谁先赢到21分，谁就获胜），小丹赢的概率远远大于小伟，小伟很是不服气。
亲爱的小伙伴，你能通过模拟实验，来揭示其中的奥妙吗？
【问题抽象】

1、在小丹Vs小伟的二元比赛系统中，小丹每球获胜概率55%，小伟每球获胜概率45%；

2、每局比赛，先赢21球（21分）者获胜；

3、假设进行n = 10000局独立的比赛，小丹会获胜多少局？（n 较大的时候，实验结果≈真实期望）

import random
def get_inputs():  
    # 输入原始数据
    prob_A = eval(input("请输入运动员A的每球获胜概率(0~1)："))
    prob_B = round(1-prob_A, 2)
    number_of_games = eval(input("请输入模拟的场次（正整数）："))
    print("模拟比赛总次数：", number_of_games)
    print("A 选手每球获胜概率：", prob_A)
    print("B 选手每球获胜概率：", prob_B)
    return prob_A, prob_B, number_of_games


def game_over(score_A, score_B):
    # 单场模拟结束条件，一方先达到21分，比赛结束    
    return score_A == 21 or score_B == 21


def sim_one_game(prob_A, prob_B):
    # 模拟一场比赛的结果
    score_A, score_B = 0, 0
    while not game_over(score_A, score_B):
        if random.random() < prob_A:                # random.random() 生产[0,1)之间的随机小数,均匀分布
            score_A += 1                 
        else:
            score_B += 1
    return score_A, score_B


def sim_n_games(prob_A, prob_B, number_of_games):
    # 模拟多场比赛的结果
    win_A, win_B = 0, 0                # 初始化A、B获胜的场次
    for i in range(number_of_games):   # 迭代number_of_games次
        score_A, score_B = sim_one_game(prob_A, prob_B)  # 获得模拟依次比赛的比分
        if score_A > score_B:
            win_A += 1
        else:
            win_B += 1
    return win_A, win_B


def print_summary(win_A, win_B, number_of_games):
    # 结果汇总输出
    print("共模拟了{}场比赛".format(number_of_games))
    print("\033[31m选手A获胜{0}场，占比{1:.1%}".format(win_A, win_A/number_of_games))
    print("选手B获胜{0}场，占比{1:.1%}".format(win_B, win_B/number_of_games))
    

def main():
    # 主要逻辑
    prob_A, prob_B, number_of_games = get_inputs()                        # 获取原始数据
    win_A, win_B = sim_n_games(prob_A, prob_B, number_of_games)           # 获取模拟结果
    print_summary(win_A, win_B, number_of_games)                          # 结果汇总输出


if __name__ == "__main__":
    main()

单元测试 用assert——断言

assert expression
表达式结果为 false 的时候触发异常

assert game_over(21, 8) == True   
assert game_over(9, 21) == True
assert game_over(11, 8) == False
assert game_over(21, 8) == False

---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
in
2 assert game_over(9, 21) == True
3 assert game_over(11, 8) == False
----> 4 assert game_over(21, 8) == False
AssertionError:

print(sim_one_game(0.55, 0.45))
print(sim_one_game(0.7, 0.3))
print(sim_one_game(0.2, 0.8))

output:
(21, 7)
(21, 14)
(10, 21)

print(sim_n_games(0.55, 0.45, 1000))

output:
(731, 269)

三、匿名函数

1、基本形式

lambda 变量: 函数体

2、常用用法

在参数列表中最适合使用匿名函数，尤其是与key = 搭配

排序sort() sorted()

ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
ls.sort()
ls

output:
[(76, 94), (79, 100), (85, 85), (86, 71), (93, 88)]

ls.sort(key = lambda x: x[1])
ls

output:
[(86, 71), (85, 85), (93, 88), (76, 94), (79, 100)]

ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
temp = sorted(ls, key = lambda x: x[0]+x[1], reverse=True)
temp

output:
[(93, 88), (79, 100), (85, 85), (76, 94), (86, 71)]

• max() min()

ls = [(93, 88), (79, 100), (86, 71), (85, 85), (76, 94)]
n = max(ls, key = lambda x: x[1])
n

output:
(79, 100)

n = min(ls, key = lambda x: x[1])
n

output:
(86, 71)

四、面向过程和面向对象

面向过程——以过程为中心的编程思想，以“什么正在发生”为主要目标进行编程。 冰冷的，程序化的

面向对象——将现实世界的事物抽象成对象，更关注“谁在受影响”，更加贴近现实。  有血有肉，拟人（物）化的

• 以公共汽车为例

面向过程：汽车启动是一个事件，汽车到站是另一个事件。。。。

在编程序的时候我们关心的是某一个事件，而不是汽车本身。

我们分别对启动和到站编写程序。

面向对象：构造“汽车”这个对象。

对象包含动力、服役时间、生产厂家等等一系列的“属性”；

也包含加油、启动、加速、刹车、拐弯、鸣喇叭、到站、维修等一系列的“方法”。

通过对象的行为表达相应的事件