python中定义函数用def关键字，后接函数名、参数和冒号，函数体需缩进；调用时直接使用函数名加括号传参。函数可包含Docstring提升可读性，通过return返回结果，默认返回None。参数支持位置、关键字、默认值、args和*kwargs，还可限制仅位置或仅关键字传参。了解函数应查看Docstring、理解返回值，并借助错误信息调试。进阶特性包括闭包、Lambda匿名函数和装饰器，能实现数据封装、简洁表达式和功能增强，体现Python的灵活性与强大。
Python中定义和调用函数，核心就是用
def
关键字声明一个代码块，然后通过函数名加上括号来执行它。这就像给一段常用操作起了个名字，方便随时按需调用，避免重复劳动，让代码更整洁、更具模块化。
解决方案
定义一个python函数，你需要从
def
关键字开始，后面跟着你给函数起的名字，接着是一对括号，里面可以放参数（也可以不放），最后是冒号。函数体的内容需要缩进。调用函数就简单了，直接写函数名，然后跟上括号，如果函数需要参数，就在括号里传入对应的值。
举个例子，我们定义一个简单的加法函数：
def add_numbers(a, b): """ 这个函数接收两个数字，并返回它们的和。 这是一个很基础的加法操作。 """ result = a + b return result # 调用这个函数 sum_result = add_numbers(5, 3) print(f"5 + 3 的结果是: {sum_result}") # 输出: 5 + 3 的结果是: 8 # 也可以不接收返回值，直接调用 add_numbers(10, 20) # 虽然执行了，但结果没有被使用，函数依然会执行
这里，
add_numbers
就是函数名，
a
和
b
是参数。
return result
表示函数执行完毕后，会把
result
的值返回给调用者。我个人觉得，写函数时加上Docstring（就像上面三引号包起来的部分），对代码的可读性简直是质的提升，尤其是在团队协作或者过了一段时间回头看自己代码的时候。如果没有
return
语句，函数默认返回
None
，这一点在我看来，初学者常常会忽略，但它其实挺重要的。
立即学习“Python免费学习笔记（深入）”；
Python函数定义时，参数到底有哪些玩法？
定义函数时，参数这块儿，Python给了我们很多灵活性，这让函数能适应各种场景。最常见的是位置参数，你传参的顺序必须和函数定义时的顺序一致。比如
def greet(name, message):
，你调用时
greet("张三", "你好")
，”张三”就对应
name
，”你好”对应
message
。这是最直观的方式。
但有时候，参数顺序容易搞混，或者参数太多了，这时候关键字参数就派上用场了。你可以明确指定参数名来传值，顺序就无所谓了：
greet(message="你好", name="李四")
。这在我看来，不仅增加了代码的清晰度，也减少了出错的可能，特别是当函数参数列表很长的时候。
还有默认参数。
def greet_default(name, message="你好"):
。如果你调用
greet_default("王五")
，
message
就会自动用”你好”。但这里有个小坑，如果默认值是可变对象（比如列表或字典），多次调用可能会导致意想不到的行为。我曾经就因为这个踩过坑，后来发现最好用
None
作为默认值，然后在函数内部判断并初始化，这样能有效避免副作用。
当你不知道会有多少个位置参数时，可以用
*args
来收集。它会把多余的位置参数打包成一个元组。比如
def sum_all(*numbers):
，调用
sum_all(1, 2, 3)
，
numbers
就会是
(1, 2, 3)
。同理，
**kwargs
用于收集多余的关键字参数，打包成字典。这俩在写通用工具函数或者需要高度灵活性的函数时特别好用，比如处理各种配置项。
Python 3.8之后，我们甚至可以强制指定某些参数只能按位置传，或者只能按关键字传，通过
/
和
*
在参数列表里标记。比如
def func(a, b, /, c, *, d):
，
a
和
b
必须按位置传，
d
必须按关键字传，
c
随意。这个特性在设计API时，能更好地控制接口的稳定性，避免用户随意更改调用方式，也让函数签名意图更明确。
函数调用时，我怎么知道该传什么参数，又会得到什么结果？
这是个非常实际的问题，尤其当你面对一个不熟悉的函数时。我个人经验是，首先看Docstring。一个好的Docstring会详细说明函数的功能、参数的含义、类型以及返回值是什么。这是了解函数最直接、最权威的途径。很多ide（比如VS Code、pycharm）在你输入函数名和括号时，会自动弹出Docstring和参数提示，这简直是开发者的福音。
比如，上面
add_numbers
的Docstring就清晰地告诉我们它接收两个数字并返回它们的和。
# 在Python交互式环境中，你可以使用 help() 函数查看任何函数或对象的 Docstring help(add_numbers) # 输出类似： # Help on function add_numbers in module __main__: # # add_numbers(a, b) # 这个函数接收两个数字，并返回它们的和。 # 这是一个很基础的加法操作。
其次，理解
return
语句至关重要。函数执行完，如果有一个
return
语句，它会把指定的值送回给调用者。如果没有
return
，或者
return
后面没有跟任何值，函数默认返回
None
。搞清楚函数是返回一个计算结果，还是仅仅执行一些操作（比如打印、修改全局变量），对于正确使用函数非常重要。我见过不少新手误以为
print()
函数会返回它打印的内容，实际上
print()
返回的是
None
。
def print_hello(name): print(f"Hello, {name}!") # 没有return语句 result = print_hello("Alice") print(f"print_hello 函数的返回值是: {result}") # 输出: print_hello 函数的返回值是: None
最后，遇到问题不要怕，Python的错误信息通常很直白。最常见的调用错误是
TypeError
，它会告诉你参数数量不对，或者某个参数类型不对。
NameError
则表示你调用的函数名不存在。这些错误信息是最好的调试线索，它们会引导你找到并修正问题。
除了定义和调用，Python函数还有哪些进阶特性值得我关注？
Python函数的魅力远不止于此，它还有很多强大的进阶特性，能让我们的代码更加灵活和优雅。
一个很有意思的概念是闭包（Closures），这涉及到嵌套函数。简单来说，一个内部函数可以记住并访问其外部（Enclosing）函数的作用域中的变量，即使外部函数已经执行完毕。这在我看来，是一种非常优雅地实现数据封装和行为定制的方式，比如工厂函数或者需要记住特定状态的函数。
def outer_function(msg): def inner_function(): print(msg) # inner_function 记住了 msg return inner_function my_closure = outer_function("Hello from closure!") my_closure() # 输出: Hello from closure!
这里
inner_function
就是闭包，它“捕获”了
msg
变量。
Lambda函数是另一种简洁的函数定义方式，适用于那些只需要一行表达式的简单函数。它们是匿名函数，没有名字。我个人觉得，虽然方便，但过度使用Lambda可能会降低代码可读性，尤其是在表达式变得复杂时，所以我会权衡使用，通常用于
map()
,
Filter()
,
sorted()
等高阶函数中。
# 传统的函数 def multiply(x, y): return x * y # Lambda函数实现相同功能 multiply_lambda = lambda x, y: x * y print(multiply(2, 3)) # 输出: 6 print(multiply_lambda(2, 3)) # 输出: 6
装饰器（Decorators）是Python中一个非常强大的元编程工具。它本质上是一个函数，可以包装另一个函数，在不修改原函数代码的情况下，增加或修改原函数的功能。比如，你可以用装饰器来实现日志记录、性能计时、权限检查等等。这背后的原理其实就是函数作为一等公民的体现：函数可以作为参数传递，也可以作为返回值。虽然理解起来可能需要一点时间，但一旦掌握，它会极大地提升代码的复用性和可维护性，让你的代码更加“干练”。
def my_decorator(func): def wrapper(*args, **kwargs): print("Something is happening before the function is called.") result = func(*args, **kwargs) print("Something is happening after the function is called.") return result return wrapper @my_decorator def say_hello(name): print(f"Hello, {name}!") return f"Greetings to {name}" returned_value = say_hello("Bob") print(f"Function returned: {returned_value}") # 输出: # Something is happening before the function is called. # Hello, Bob! # Something is happening after the function is called. # Function returned: Greetings to Bob
这里
@my_decorator
就是装饰器语法糖，它等同于
say_hello = my_decorator(say_hello)
。
这些进阶特性，在我看来，是Python之所以灵活且强大的重要原因。它们让我们可以用更抽象、更优雅的方式来组织和编写代码，处理更复杂的逻辑。虽然初学时可能觉得有点烧脑，但一旦理解了，你会发现它们能解决很多实际问题，让你的Python技能更上一层楼，写出更具Pythonic风格的代码。
评论（已关闭）
评论已关闭