def functionname([parameterlist]):
["comments"]
['functionbody']
functionname:函数名称
parameterlist:可选参数,如有多个参数,须以","隔开
comments:可选参数,表示为函式指定注释,通常表该函式功能
functionbody:可选参数,用於指定函式整体,如有返回值,可使用return字句返回
如想定义不做式的函式,可以使用pass做为占位符
请注意,缩排问题
# 此程序码无法运行,是因为twoSum()函式还没有被呼叫
def twoSum(a, b)
"""
两个数字加起来
"""
c = a + b
return c
调用函数也就是执行函数,方法如下
functionname([parameterlist])
a, b = 2, 3
ans = twoSum(a, b)
print(ans)
# 5
def twoSum(a, b)
# twoSum => 函式名称
# (a, b) => 函式参数
形式参数:在括号里面的就是形式参数
实际参数:在调用的时候,函式括号里的才是实际参数
def twoSum(a, b):
c = a + b
return c
print(twoSum(2))
# TypeError: twoSum() missing 1 required positional argument: 'b'
# 少了一个参数便动不了
呼叫函式时,在传入参数值的前面加上函式所定义的参数名称
def funcname(parameter1 = defaultvalue1):
pass
defaultvalue:可选参数,为该默认值
def twoSum(a, b = 3):
return a + b
print(twoSum(5))
# 8
# 在没有指定的情况下,b默认为3
print(twoSum(5, 5))
# 10
定义函式时,设置参数为默认值时须小心一点,默认参数必须指向不可变对象
def add_all(*add):
result = 0
for i in range(len(add)):
result += add[i]
return result
print(add_all(1, 2, 3, 4, 5))
# 15
def printSign(**sign):
print()
for key, value in sugn.items():
print(key, value)
printSign(a = "b", c = "d")
# a b
# c d
# 如果需要导入的是一个字典
# dict = {"a" : "b", "c" : "d"}
# printSign(**dict)
# 取自python tutor
def listSum(numbers):
if not numbers:
return 0
else:
(f, rest) = numbers
return f + listSum(rest)
myList = (1, (2, (3, None)))
total = listSum(myList)
# 6
def print_test():
mes = "god"
print(mes)
print_test()
print(mes)
# god
# NameError: name 'mes' is not defined
mes = "god"
def print_test():
print(mes)
print_test()
print(mes)
# god
# god
# 也可以改成global
mes = "god"
print("函数外 = ", mes)
def test():
global mes
mes = "mes id god"
print("函数内 = ", mes)
test()
print("函数外 = ", mes)
# 函数外 = god
# 函数内 = mes id god
# 函数外 = mes id god
result = lambda[arg1[arg2[.....]]]: expression
import math
def circlearea(r):
return math.pi * r * r
print(circlearea(10))
# 314.1592653589793
# 上述写法同等於 ......
import math
r = 10
result = lambda r:math.pi*r*r
print(result)
注意函式的参数与默认值
<<: Day9:[资料结构] Linked-List - 链结串列
随着理论的成熟,丛集运算能力的提升,深度神经网路模型逐渐发挥了巨大的影响力。 神经元模型 来自於对动...
介绍影像辨识的处理流程 - Day 10 所有影像辨识的问题都会面临以下几个问题:图片中有几个要辨识...
今天来试用 Heroku,并请使用 Heroku 的 Python 范例。 在这之前我已经有注册过 ...
上一篇有提到关於如何在向量中求梯度下降的公式, 因此此篇要来讲为什麽要向量v跟f(x,y)的偏微分作...
前言 在学习 FP 的过程中,会看到 FP 常常被拿来跟 OOP 做比较,那 OOP 究竟是什麽呢?...