深入讲解Python函数中参数的使用及默认参数的陷阱
C++里函数可以设置缺省参数，Java不可以，只能通过重载的方式来实现，python里也可以设置默认参数,最大的好处就是降低函数难度，函数的定义只有一个，并且python是动态语言，在同一名称空间里不能有想多名称的函数，如果出现了，那么后出现的会覆盖前面的函数。
def power(x, n=2):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
看看结果：
>>> power(5) 25 >>> power(5,3) 125
注意： 必选参数在前，默认参数在后，否则Python的解释器会报错。
建议：*当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。
默认参数也有坑，看看下面的代码，先定义一个list，添加一个end再返回：
def add_end(L=[]):
L.append('END')
return L
看看调用结果：
>>> add_end([1, 2, 3]) [1, 2, 3, 'END'] >>> add_end(['x', 'y', 'z']) ['x', 'y', 'z', 'END'] >>> add_end() ['END'] >>> add_end() ['END', 'END'] >>> add_end() ['END', 'END', 'END']
这里需要解释一下，Python函数在定义的时候，默认参数L的值就被计算出来了，即[]。此时L指向[]。所以如果L中的内容改变了，下次调用引用的内容也就不再是[]了。所以要牢记一点定义默认参数必须指向不可变对象！。
可变参数
第一种方法，传入的参数为一个list或者tuple。
def calc(numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum
调用方式：
>>> calc([1, 2, 3]) 14 >>> calc((1, 3, 5, 7)) 84
第二种方式，直接传入多个参数，函数内部会自动用一个tuple接收。
def calc(*numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum
调用方式：
>>> calc(1, 2) 5 >>> calc() 0
这个时候如果还想把一个list或者tuple里的数据传进去，可以这样：
>>> nums = [1, 2, 3] >>> calc(*nums) 14
关键字参数
关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。
def person(name, age, **kw): print 'name:', name, 'age:', age, 'other:', kw
调用示例：
>>> person('Michael', 30)
name: Michael age: 30 other: {}
>>> person('Bob', 35, city='Beijing')
name: Bob age: 35 other: {'city': 'Beijing'}
>>> person('Adam', 45, gender='M', job='Engineer')
name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}
参数组合
在Python中定义函数，可以用必选参数、默认参数、可变参数和关键字参数，这4种参数都可以一起使用，或者只用其中某些，但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。
递归函数
基本的也没什么可讲的，和Java/C++里一样，就是调用本身的一种。这里重点介绍一下尾递归优化。事实上尾递归和循环效果是一样的，很显然的一个优点那就是可以防止递归调用栈溢出。
定义：在函数返回的时候调用自身，并且，return语句不能包含表达式。编译器或者解释器可以对其做优化，无论调用多少次，只占用一个栈帧，不会出现溢出的情况。
举个简单的例子，以阶乘函数为例：
def fact(n):
if n==1:
return 1
return n * fact(n - 1)
如果传入的n很大，就可能会溢出，这是由于return n * fact(n - 1)引入了乘法表达式，就不是尾递归了。把代码改一下：
def fact(n):
return fact_iter(n, 1)
def fact_iter(num, product):
if num == 1:
return product
return fact_iter(num - 1, num * product)
默认参数陷阱
Python的函数定义提供了默认参数这个选择，使得函数的定义和使用更加的灵活，但是也会带来一些坑，例如之前的一个例子：
函数定义：
def add_end(L=[]):
L.append('END')
return L
调用函数的结果：
>>> add_end([1, 2, 3]) [1, 2, 3, 'END'] >>> add_end(['x', 'y', 'z']) ['x', 'y', 'z', 'END'] >>> add_end() ['END'] >>> add_end() ['END', 'END'] >>> add_end() ['END', 'END', 'END']
很明显这个与函数的定义初衷不符，用一句话解释就是：
Default values are computed once, then re-used.
为了深入研究这个问题，我们来看看另一个例子：
# coding=utf-8 def a(): print "a executed" return [] def b(x=a()): print "id(x):", id(x) x.append(5) print "x:", x for i in range(2): print "不带参数调用，使用默认参数" b() print b.__defaults__ print "id(b.__defaults__[0]):", id(b.__defaults__[0]) for i in range(2): print "带参数调用，传入一个list" b(list()) print b.__defaults__ print "id(b.__defaults__[0]):", id(b.__defaults__[0])
NOTE:稍微解释一下，所有默认值都存储在函数对象的__defaults__属性中，这是一个列表，每一个元素均为一个默认参数值。
来看看输出结果：
a executed 不带参数调用，使用默认参数 id(x): 140038854650552 x: [5] ([5],) id(b.__defaults__[0]): 140038854650552 不带参数调用，使用默认参数 id(x): 140038854650552 x: [5, 5] ([5, 5],) id(b.__defaults__[0]): 140038854650552 带参数调用，传入一个list id(x): 140038854732400 x: [5] ([5, 5],) id(b.__defaults__[0]): 140038854650552 带参数调用，传入一个list id(x): 140038854732472 x: [5] ([5, 5],) id(b.__defaults__[0]): 140038854650552
简单分析一下输出结果：
第1行
在定义函数b()，即执行def语句，代码第7行def b(x=a()):的时候，这句话使用了默认参数，所以在定义的时候会计算默认参数x的值，这个时候会调用a()，所以打印出了a executed。
第2~6行
第一次执行循环，代码第14行调用b()没有传递参数，使用默认参数，此时x=[]，所以调用一次之后
print b.__defaults__
输出结果为
第7~11行
第二次循环，代码第14行调用b()没有传递参数，使用默认参数。
注意：默认参数只会计算一次，也就是说那个内存区域就固定了，但是这个地址所指向的是一个list，内容可以改变，此时由于上一次调用x: [5]，所以
print b.__defaults__
输出结果为
([5, 5],)
第12~16行
第二个循环语句，第一次循环，代码第20行传入一个空的list,所以不使用默认参数，此时x=[]，所以
print b.__defaults__
输出结果为
第18~21行
第二个循环语句，第二次循环，代码第20行传入一个空的list,所以也不使用默认参数，此时仍然是x=[]，所以
print b.__defaults__
输出结果依然为
函数也是对象，因此定义的时候就被执行，默认参数是函数的属性，它的值可能会随着函数被调用而改变。其他对象不都是如此吗？
牢记: 默认参数必须指向不变对象！代码改一下如下：
# coding=utf-8
def a():
print "a executed"
return None
def b(x=a()):
print "id(x):", id(x)
if x is None:
x = []
x.append(5)
print "x:", x
for i in range(2):
print "不带参数调用，使用默认参数"
b()
print b.__defaults__
print "id(b.__defaults__[0]):", id(b.__defaults__[0])
for i in range(2):
print "带参数调用，传入一个list"
b(list())
print b.__defaults__
print "id(b.__defaults__[0]):", id(b.__defaults__[0])
此时的输出结果看看是什么：
a executed 不带参数调用，使用默认参数 id(x): 9568656 x: [5] (None,) id(b.__defaults__[0]): 9568656 不带参数调用，使用默认参数 id(x): 9568656 x: [5] (None,) id(b.__defaults__[0]): 9568656 带参数调用，传入一个list id(x): 140725126699632 x: [5] (None,) id(b.__defaults__[0]): 9568656 带参数调用，传入一个list id(x): 140725126699704 x: [5] (None,) id(b.__defaults__[0]): 9568656
相关文章
本文介绍路由层是如何进行路由匹配的，以diango1.x版本为例，文中通过示例代码介绍的非常详细，文中通过示例代码介绍的非常详细，2021-07-07
今天小编就为大家分享一篇通过python顺序修改文件名字的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
这篇文章主要为大家详细介绍了python语言实现贪吃蛇游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-11-11
信号处理免不了要求频率、画频谱图，但Matlab的fft()函数与Python的numpy.fft.fft()与scipy.fftpack.fft()函数得到的是fft变化后的双边复数值，离画频谱图还有几句代码的距离。基本原理不介绍了，下面直接懒人投喂，给出Matlab与Python的两个函数，直接调用即可画频谱图2021-10-10
这篇文章主要介绍了Numpy一维线性插值函数的用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
本篇文章主要介绍了Django 前后台的数据传递的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-08-08
这篇文章主要介绍了python爬取知乎回复，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-05-05
Python+Kepler.gl轻松制作酷炫路径动画的实现示例
这篇文章主要介绍了Python+Kepler.gl轻松制作酷炫路径动画的实，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧现示例2020-06-06
这篇文章主要介绍了python温度转换华氏温度实现代码内容，有需要的朋友们可以测试下。2020-12-12
这篇文章主要介绍了Python常见异常处理总结，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的朋友可以参考一下2022-07-07
最新评论