摘要：基礎基礎函數定義一個函數要使用語句，依次寫出函數名括號括號中的參數和冒號，然后，在縮進塊中編寫函數體，函數的返回值用語句返回。用循環調用時，發現拿不到的語句的返回值。

定義一個函數要使用def語句，依次寫出函數名、括號、括號中的參數和冒號:，然后，在縮進塊中編寫函數體，函數的返回值用return語句返回。

def my_abs(x):
    if x >= 0:
        return x
    else:
        return -x
// my_abs(-9)  調用        

如果想定義一個什么事也不做的空函數，可以用pass語句：

def nop():
    pass
// pass 作為占位符    

在其他語句里

if age >= 18:
    pass

調用函數時，如果參數個數不對，Python解釋器會自動檢查出來，并拋出TypeError

def my_abs(x):
    if not isinstance(x, (int, float)):
        raise TypeError("bad operand type")
    // 數據類型檢查可以用內置函數isinstance()實現：
    if x >= 0:
        return x
    else:
        return -x

import math

def move(x, y, step, angle=0):
    nx = x + step * math.cos(angle)
    ny = y - step * math.sin(angle)
    return nx, ny
    

定義默認參數要牢記一點：默認參數必須指向不變對象！

def enroll(name, gender, age=6, city="shanghai"):
  print("gender:",gender)
  print("age:",age)
  print("city:",city)

enroll("shan","F")
enroll("shan","M",5,"beijing")
enroll("shan","F",age=6)

def add_end(L=None):
    if L is None:
        L = []
    L.append("END")
    return L
    
add_end()    

def calc(numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum
    
calc([1, 2, 3]) //  調用的時候，需要先組裝出一個list或tuple
calc(1, 2, 3)
nums = [1, 2, 3]
calc(*nums)   // 定義可變參數和定義一個list或tuple參數相比，僅僅在參數前面加了一個*號

關鍵字參數

關鍵字參數允許你傳入0個或任意個含參數名的參數，這些關鍵字參數在函數內部自動組裝為一個dict

def person(name, age, **kw):
    print("name:", name, "age:", age, "other:", kw)
    
person("Bob", 35, city="Beijing")
person("Adam", 45, gender="M", job="Engineer")
extra = {"city": "Beijing", "job": "Engineer"}
person("Jack", 24, **extra)   // **extra表示把extra這個dict的所有key-value用關鍵字參數傳入到函數的**kw參數  

如果要限制關鍵字參數的名字，就可以用命名關鍵字參數，例如，只接收city和job作為關鍵字參數
和關鍵字參數*kw不同，命名關鍵字參數需要一個特殊分隔符，*后面的參數被視為命名關鍵字參數。

def person(name, age, *, city, job):
    print(name, age, city, job)

person("Jack", 24, city="Beijing", job="Engineer")
# person("Jack", 24, "Beijing", "Engineer")   命名關鍵字參數必須傳入參數名，這和位置參數不同。如果沒有傳入參數名，調用將報錯

如果沒有可變參數，就必須加一個作為特殊分隔符。如果缺少，Python解釋器將無法識別位置參數和命名關鍵字參數：

def person(name, age, city, job):
    # 缺少 *，city和job被視為位置參數
    pass

在Python中定義函數，可以用必選參數、默認參數、可變參數、關鍵字參數和命名關鍵字參數，這5種參數都可以組合使用。
參數定義的順序必須是：必選參數、默認參數、可變參數、命名關鍵字參數和關鍵字參數。

def f1(a, b, c=0, *args, **kw):
    print("a =", a, "b =", b, "c =", c, "args =", args, "kw =", kw)
def f2(a, b, c=0, *, d, **kw):
    print("a =", a, "b =", b, "c =", c, "d =", d, "kw =", kw)

在函數調用的時候，Python解釋器自動按照參數位置和參數名把對應的參數傳進去。

>>> f1(1, 2)
a = 1 b = 2 c = 0 args = () kw = {}
>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}
>>> f1(1, 2, 3, "a", "b")
a = 1 b = 2 c = 3 args = ("a", "b") kw = {}
>>> f1(1, 2, 3, "a", "b", x=99)
a = 1 b = 2 c = 3 args = ("a", "b") kw = {"x": 99}
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {"ext": None}

最神奇的是通過一個tuple和dict，你也可以調用上述函數：

>>> args = (1, 2, 3, 4)
>>> kw = {"d": 99, "x": "#"}
>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {"d": 99, "x": "#"}
>>> args = (1, 2, 3)
>>> kw = {"d": 88, "x": "#"}
>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = {"x": "#"}

在函數內部，可以調用其他函數。如果一個函數在內部調用自身本身，這個函數就是遞歸函數。

舉個例子，計算階乘n! = 1 x 2 x 3 x ... x n

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)

使用遞歸函數需要注意防止棧溢出。在計算機中，函數調用是通過棧（stack）這種數據結構實現的，每當進入一個函數調用，棧就會加一層棧幀，每當函數返回，棧就會減一層棧幀。由于棧的大小不是無限的，所以，遞歸調用的次數過多，會導致棧溢出。

可以試試fact(1000)：

尾遞歸是指，在函數返回的時候，調用自身本身，并且，return語句不能包含表達式。這樣，編譯器或者解釋器就可以把尾遞歸做優化，使遞歸本身無論調用多少次，都只占用一個棧幀，不會出現棧溢出的情況。

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)
    

取前N個元素

　L = ["Michael", "Sarah", "Tracy", "Bob", "Jack"]
 for i in range(n):
     r.append(L[i])
  L[0:3] // 完成切片 
 L[-2:]  //　倒數第２個開始

L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素。
倒數第一個元素的索引是-1

L = list(range(100))
# >>> L [0, 1, 2, 3, ..., 99]

>>> L[:10] 前10個數
>>> L[-10:] 后10個數：
>>> L[10:20] 前11-20個數
>>> L[:10:2]  前10個數，每兩個取一個
>>> L[::5] 所有數，每5個取一個：
>>> L[:] 所有的

字符串"xxx"也可以看成是一種list，每個元素就是一個字符。

>>> "ABCDEFG"[:3]
"ABC"
>>> "ABCDEFG"[::2]
"ACEG"

def trim(s):
  if (s[:1] == " "):
    return trim(s[1:])
  if (s[-1:] == " "):
    return trim(s[:-1])
  return s

如果給定一個list或tuple，通過for循環來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）

d = {"a": 1, "b": 2, "c": 3}
for key in d:
  print(key)

dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣

for ch in "abcde"
  print(ch)

如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：

>>> from collections import Iterable
>>> isinstance("abc", Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整數是否可迭代
False

# Python內置的enumerate函數可以把一個list變成索引-元素對
for i, value in enumerate(["A", "B", "C"]):
  print(i, value)
# 在for循環中，引用了兩個變量
 for x, y in [(1, 1), (2, 4), (3, 9)]:
   print(x, y)

List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> L = []
>>> for x in range(1, 11):
    L.append(x * x)
>>>[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
# for循環后面加條件判斷
>>>[x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
# 兩層循環
[m + n for m in "ABC" for n in "XYZ"]
["AX", "AY", "AZ", "BX", "BY", "BZ", "CX", "CY", "CZ"]

import os # 導入os模塊，模塊的概念后面講到
>>> [d for d in os.listdir(".")] # os.listdir可以列出文件和目錄

for循環其實可以同時使用兩個甚至多個變量

d = {"x": "A", "y": "B", "z": "C" }
 for k, v in d.items():
   print(k, "=", v)
[k + "=" + v for k, v in d.items()]
L = ["Hello", "World", "IBM", "Apple"]
[s.lower() for s in L] #大寫變小寫

如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
 at 0x1022ef63
next(g)

for n in g:
  print(n)

創建L和g的區別僅在于最外層的[]和()，L是一個list，而g是一個generator。

可以通過next()函數獲得generator的下一個返回值：

著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到,函數

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return "done"
    

把fib函數變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return "done"

>>> f = fib(6)
>>> f

最難理解的就是generator和函數的執行流程不一樣。
函數是順序執行，遇到return語句或者最后一行函數語句就返回。
generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

>>> g = fib(6)
 while True:
     try:
       x = next(g)
        print("g:", x)
    except StopIteration as e:
       print("Generator return value:", e.value)       break

凡是可作用于for循環的對象都是Iterable類型；

凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

for x in [1, 2, 3, 4, 5]:
    pass
實際上完全等價于：

# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
    try:
        # 獲得下一個值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循環
        break

使用isinstance()判斷一個對象是否是Iterable對象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance("abc", Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False