1、内置函数

Python内置了很多有用的函数，我们可以直接调用。可以直接从Python的官方网站查看文档：

http://docs.python.org/3/library/functions.html#abs

常见内置函数如下：

python数值所在位置_python

也可以在交互式命令行通过help(abs)查看abs函数的帮助信息。

python数值所在位置_python数值所在位置_02

2、参数检查

调用函数的时候，如果传入的参数数量、参数类型不对，会报TypeError的错误。

1）参数个数不对

如果参数个数不对，Python解释器会自动检查出来，并抛出异常。

2）参数类型不对

但是如果参数类型不对，Python解释器就无法帮我们检查。isinstance()实现：

def my_abs(x):
    if not isinstance(x, (int, float)): # 判断x的类型是否是int, float中的一个
        raise TypeError('bad operand type')
    if x >= 0:
        return x
    else:
        return -x

该函数对参数类型做检查，只允许整数和浮点数类型的参数。如果传入错误的参数类型，函数就可以抛出一个错误。

3）返回多值

def func():
    return nx, ny

函数可以同时返回多个值，但其实就是一个tuple，实际上还是一个值。

3、函数的参数

3.1、位置参数

位置参数就是普通函数，调用传入的参数按照位置顺序依次赋值。定义函数的时候，我们把参数的名字和位置确定下来。

3.2、默认参数

默认参数可以简化函数的调用。设置默认参数时，有几点要注意：

1）必选参数在前，默认参数在后；

2）把变化大的参数放前面，变化小的参数放后面；

3）也可以不按顺序提供部分默认参数，按字典提供；

def enroll(name, gender, age=6, city='Beijing'):
    print('name,gender,age,city: ', name,gender,age,city)

调用：

1、按顺序调用：

enroll('Bob', 'M', 7)<=> enroll('Bob', 'M', 7, 'Beijing')

2、不按顺序调用：

enroll('Adam', 'M', city='Tianjin') <=> enroll('Bob', 'M', 6, 'Tianjin')

意思是，city参数用传进去的值，其他默认参数继续使用默认值。

4）默认参数必须指向不变对象！

默认参数很有用，但使用不当，也会掉坑里。默认参数有个最大的坑，就是指向可变对象时，如：

def add_end(L=[]):
    L.append('END')
    return L
>>> add_end()
    ['END']

但是，再次调用add_end()时，结果就不对了：

>>> add_end()
    ['END', 'END']

默认参数是[]，但是函数似乎每次都“记住了”上次添加了'END'后的list。解释如下：

Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。

解决办法，用None这个不变对象来实现：

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

3.3、可变参数

1）传入的参数个数是可变的，在参数前面加了一个*号即可实现，即可将参数转化为一个tuple。

def calc(*numbers): # numbers可以是list或tuple
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum
>>> calc(1, 2)
5

即形参时，*args可以将输入的位置参数转为tuple，保证调用方式不变，可传递不固定个数个位置参数。

2）如果已经有一个list或者tuple，Python允许你在list或tuple前面加一个*号，把list或tuple的元素变成可变参数传进去：

>>> nums = [1, 2, 3]
>>> calc(*nums)
14

*nums表示把nums这个list的所有元素作为可变参数传进去。这种写法相当有用，而且很常见。

3.4、关键字参数

可变参数允许传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple。

关键字参数允许传入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。请看示例：

def person(name, age, **kw):
    print('name:', name, 'age:', age, 'other:', kw)

函数person除了必选参数name和age外，还接受关键字参数kw。在调用该函数时，可以只传入必选参数：

>>> person('Michael', 30)
name: Michael age: 30 other: {}

也可以传入任意个数的关键字参数：

>>> 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'}

和可变参数类似，也可以先组装出一个dict，然后，把该dict转换为关键字参数传进去：

>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **extra)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

**extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra。关键字参数可覆盖前面的可变参数值。

make_stage(**stage_kargs)参数传递，关键字参数可提前解析！

python传参标准：

def make_stage(block_class, num_blocks, dilation, **kwargs):
    print("kwargs:", kwargs)
    print("block_class, num_blocks, dilation", block_class, num_blocks, dilation)
    
if __name__ == "__main__":
    stage_kargs = {
        "num_blocks": 1,
        "first_stride": 2,
        "in_channels": 3,
        "bottleneck_channels": 4,
        "out_channels": 5,
        "num_groups": 6,
        "norm": "BN",
        "stride_in_1x1": 7,
        "dilation": 8,
        "block_class": 9
    }
    make_stage(**stage_kargs)

=>
kwargs: {'first_stride': 2, 'in_channels': 3, 'bottleneck_channels': 4, 'out_channels': 5, 'num_groups': 6, 'norm': 'BN', 'stride_in_1x1': 7}
block_class, num_blocks, dilation 9 1 8

结论：

关键字参数可在函数接口处，提前解析，解析与顺序无关，必须变量名与关键字同名；被解析后的关键字参数将不参与**kwargs。

3.5、命名关键字参数-关键字参数安全版

1）如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义的函数如下：

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

和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数。

调用方式如下：

>>> person('Jack', 24, city='Beijing', job='Engineer')
Jack 24 Beijing Engineer

2）如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了：

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

命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错：

>>> person('Jack', 24, 'Beijing', 'Engineer')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: person() takes 2 positional arguments but 4

由于调用时缺少参数名city和job，Python解释器把这4个参数均视为位置参数，但person()函数仅接受2个位置参数。正确调用：

>>>person('Jack', 24, 'Beijing', 'Engineer', city='Beijing', job='Engineer')
Jack 24 ('Beijing', 'Engineer') Beijing Engineer

3）命名关键字参数可以有缺省值，从而简化调用：

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

由于命名关键字参数city具有默认值，调用时，可不传入city参数：

>>> person('Jack', 24, job='Engineer')
Jack 24 Beijing Engineer

4）使用命名关键字参数时，要特别注意，如果没有可变参数，就必须加一个*作为特殊分隔符。如果缺少*，Python解释器将无法识别位置参数和命名关键字参数：

def person(name, age, city, job):
    # 缺少 *，city和job被视为位置参数
    pass

3.6、参数组合

在Python中定义函数，这5种参数都可以组合使用。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->命名关键字参数->关键字参数。

比如定义一个函数，包含上述若干种参数，在函数调用的时候，Python解释器自动按照参数位置和参数名把对应的参数传进去：

def f1(a, b, c=0, *args, **kw):
    print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)
    
>>> 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}

通过一个tuple和dict，调用上述函数：

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

所以，对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。

def f2(a, b, c=0, *, d, **kw):
    print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}

通过一个tuple和dict，调用上述函数：

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

3.7、locals()函数内获取所有参数

def f(a, b=2, c=3):
    print("params:", locals())
    
f(1, c=3)
=> 
params: {'c': 3, 'b': 2, 'a': 1}

特点：所有参数以字典型是打印出来。

再举一个例子：

def f2(a, b, c=0, *, d, **kw):
    print("params:", locals())
    print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)
>>>f2(1, 2, d=99, ext=None)
params: {'kw': {'ext': None}, 'd': 99, 'c': 0, 'b': 2, 'a': 1}
a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}

3.8、小结

默认参数一定要用不可变对象，如果是可变对象，程序运行时会有逻辑错误！

要注意定义可变参数和关键字参数的语法：

*args是可变参数，args接收的是一个tuple；

**kw是关键字参数，kw接收的是一个dict。

以及调用函数时如何传入可变参数和关键字参数的语法：

可变参数既可以直接传入：func(1, 2, 3)，又可以先组装list或tuple，再通过*args传入：func(*(1, 2, 3))；

关键字参数既可以直接传入：func(a=1, b=2)，又可以先组装dict，再通过**kw传入：func(**{'a': 1, 'b': 2})。

使用*args和**kw是Python的习惯写法，当然也可以用其他参数名，但最好使用习惯用法。

命名的关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。

定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*，否则定义的将是位置参数。

4、递归函数

如果一个函数在内部调用自身本身，这个函数就是递归函数。

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)
>>> fact(5)
120

解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

上面的fact(n)函数由于return n * fact(n - 1)引入了乘法表达式，所以就不是尾递归了。要改成尾递归方式，需要多一点代码，主要是要把每一步的乘积传入到递归函数中：

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)

可以看到，return fact_iter(num - 1, num * product)仅返回递归函数本身，num - 1和num * product在函数调用前就会被计算，不影响函数调用。

fact(5)对应的fact_iter(5, 1)的调用如下：

===> fact_iter(5, 1)
===> fact_iter(4, 5)
===> fact_iter(3, 20)
===> fact_iter(2, 60)
===> fact_iter(1, 120)
===> 120

尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。

遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。