🚀 Python 函数全攻略：从入门到精通

函数是 Python 编程的核心模块之一，它可以帮助我们将代码逻辑组织成可复用、易维护的单元。本文将深入解析 Python 函数的定义、调用、参数传递、高级技巧及实际应用，并通过示例代码帮助你快速掌握！

1. 什么是函数？ 🤔

函数是一段具有特定功能的代码块，可以通过名称多次调用。它的核心优势包括：
- ✅ 代码复用：避免重复编写相同逻辑
- ✅ 增强可读性：将复杂逻辑模块化
- ✅ 易于维护：修改函数即可影响所有调用点

示例：简单的问候函数

def greet():
    """打印欢迎信息"""
    print("👋 你好，欢迎学习 Python 函数！")

greet()  # 调用函数

输出：

👋 你好，欢迎学习 Python 函数！

---

2. 定义与调用函数 🛠️

使用 def 关键字定义函数，语法如下：

def 函数名(参数1, 参数2, ...):
    """文档字符串（可选）"""
    # 函数体
    return 返回值（可选）

示例：计算两个数的和

def add(a, b):
    """返回两个数的和"""
    return a + b

result = add(3, 5)
print("3 + 5 =", result)  # 输出: 3 + 5 = 8

---

3. 函数参数详解 🔄

Python 支持多种参数传递方式：

3.1 位置参数（Positional Arguments）

按顺序传递参数：

def subtract(a, b):
    return a - b

print(subtract(10, 3))  # 输出: 7

3.2 关键字参数（Keyword Arguments）

通过参数名传递，顺序无关：

def introduce(name, age):
    print(f"我的名字是{name}，我{age}岁了。")

introduce(age=25, name="小明")  # 输出: 我的名字是小明，我25岁了。

3.3 默认参数（Default Arguments）

为参数设置默认值：

def power(base, exponent=2):
    return base ** exponent

print(power(3))       # 输出: 9 (3^2)
print(power(3, 3))    # 输出: 27 (3^3)

3.4 可变参数（args 和 *kwargs）

• *args：接收任意数量的位置参数（元组形式）
• **kwargs：接收任意数量的关键字参数（字典形式）

def show_info(*args, **kwargs):
    print("位置参数:", args)
    print("关键字参数:", kwargs)

show_info(1, 2, 3, name="Alice", role="Developer")

输出：

位置参数: (1, 2, 3)
关键字参数: {'name': 'Alice', 'role': 'Developer'}

---

4. 返回值与作用域 🔄

4.1 返回值

使用 return 语句返回结果，若无 return，默认返回 None。

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

print(is_even(4))  # 输出: True

4.2 作用域

• 局部变量：在函数内部定义，仅函数内可访问
• 全局变量：在函数外部定义，使用 global 关键字修改

counter = 0  # 全局变量

def increment():
    global counter
    counter += 1

increment()
print(counter)  # 输出: 1

---

5. 高阶函数与装饰器 🌟

5.1 高阶函数

函数可以作为参数或返回值传递：

def apply_operation(func, a, b):
    return func(a, b)

def multiply(x, y):
    return x * y

result = apply_operation(multiply, 4, 5)
print("4 * 5 =", result)  # 输出: 4 * 5 = 20

5.2 装饰器（Decorator）

用于增强函数功能，无需修改原函数：

def timing_decorator(func):
    import time
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"⏱️ {func.__name__} 执行时间: {end - start:.4f} 秒")
        return result
    return wrapper

@timing_decorator
def slow_function():
    time.sleep(2)

slow_function()

输出：

⏱️ slow_function 执行时间: 2.0001 秒

---

6. 生成器与迭代器 🔁

6.1 生成器（Generator）

使用 yield 关键字按需生成值：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = fibonacci()
for _ in range(5):
    print(next(fib))  # 输出: 0 1 1 2 3

6.2 生成器表达式

类似列表推导，但更节省内存：

squares = (x**2 for x in range(10))
print(list(squares))  # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

---

7. 常见问题与技巧 🧩

Q1: 如何动态传递参数？

使用 *args 和 **kwargs，如：

def dynamic_function(*args, **kwargs):
    print("参数:", args, kwargs)

dynamic_function(1, 2, 3, key1="value1", key2="value2")

Q2: 如何处理递归函数？

确保有终止条件，避免无限递归：

def factorial(n):
    if n == 0:
        return 1
    return n * factorial(n-1)

print(factorial(5))  # 输出: 120

Q3: 如何优化函数性能？

使用 @lru_cache 缓存结果（适用于重复计算场景）：

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print(fib(100))  # 快速计算斐波那契数列