python自定义函数怎么用(Python自定义函数用法)

Python自定义函数是编程逻辑封装的核心工具，其通过def关键字实现代码模块化，支持灵活参数传递与功能扩展。相较于脚本式代码，自定义函数可提升代码复用性、降低维护成本，并实现复杂逻辑的分层管理。函数定义包含命名、参数配置、返回值设计三大要素，其中参数类型（位置参数、关键字参数、默认参数、可变参数）与作用域规则（LEGB原则）是核心难点。实际应用中需结合函数装饰器、递归调用、高阶函数等特性，平衡代码可读性与执行效率。

一、基础语法与核心结构

自定义函数通过def关键字定义，遵循函数名(参数列表) -> 返回值类型的格式规范。基础结构包含：
python
def function_name(param1, param2=default):
"""文档字符串"""
函数体
return result

组件	说明	示例
函数名	遵循标识符规则，建议具描述性	calculate_sum
参数列表	定义输入接口，支持类型注解	(a: int, b: int) -> int
文档字符串	可选，用于说明功能与参数	"""返回两数之和"""
返回值	通过return输出，可省略	return a + b

二、参数传递机制

Python采用赋值调用机制，参数传递方式分为四类：

参数类型	特征	示例
位置参数	按顺序传递，数量固定	def add(a, b)
关键字参数	通过参数名赋值，顺序无关	add(b=2, a=3)
默认参数	定义时赋初值，可省略赋值	def greet(name="Guest")
可变参数	args接收任意位置参数，kwargs接收关键字参数	def process(data, options)

三、作用域与闭包特性

变量作用域遵循LEGB规则（Local→Enclosed→Global→Built-in），闭包可实现私有数据封装：

作用域层级	访问权限	示例场景
局部作用域	仅函数内部可见	循环计数器i
嵌套作用域	外层函数变量可被内层访问	闭包函数引用外部变量
全局作用域	通过global声明修改	配置文件全局变量
内置作用域	系统保留关键字与函数	len(), range()

四、递归函数设计与终止条件

递归需明确基准情形与递归关系，典型应用场景包括树遍历、数学计算：
python
def factorial(n):
if n == 0: 基准条件
return 1
return n factorial(n-1) 递归调用

要素	说明	风险点
基准条件	终止递归的触发条件	缺失导致栈溢出
递归调用	问题分解与自我调用	过深递归引发性能问题
参数校验	防止非法输入导致无限递归	需添加类型检查

五、高阶函数与函数式编程

高阶函数指接受函数作为参数或返回函数的对象，常见应用模式：

模式	示例函数	应用场景
映射操作	map(func, iterable)	数据转换批量处理
过滤操作	filter(func, iterable)	条件筛选数据子集
排序键	sorted(iterable, key=func)	自定义排序规则
返回函数	closure = make_closure(param)	延迟绑定参数

六、装饰器原理与实现

装饰器通过符号实现函数包装，本质为高阶函数调用：
python
decorator
def target_func():
pass
等效于 target_func = decorator(target_func)

类型	功能	实现要点
日志记录	打印函数调用信息	包装原函数逻辑
性能计时	统计执行耗时	使用time模块
权限验证	检查用户操作权限	结合上下文参数
缓存机制	存储计算结果复用	配合lru_cache使用

七、错误处理机制

函数内部通过try-except结构捕获异常，可自定义异常类型：
python
class CustomError(Exception):
pass

def risky_function():
try:
可能出错的代码
raise CustomError("特定错误")
except CustomError as e:
print(f"捕获异常: ")

    
处理方式
适用场景
注意事项
    
通用异常捕获
未知错误兜底处理
避免过度使用
    
特定异常处理
预见的错误类型
精确匹配异常类
    
自定义异常
业务逻辑特殊错误
继承Exception基类
    
异常链传递
保留原始错误信息
使用raise from语法

八、性能优化策略

函数性能优化需关注算法复杂度与执行效率：





(缓存中间结果)
(生成器替代列表)
(多线程/多进程)
(Cython/Numba)

    
优化方向
技术手段
适用场景
    
减少重复计算
密集计算型函数
    
惰性求值
大数据量处理
    
并行计算
    
编译优化
Python自定义函数通过灵活的参数体系、作用域规则与功能扩展机制，成为构建复杂程序的核心单元。掌握其语法特性、调试方法与优化技巧，可显著提升代码工程化水平。实际应用中需根据业务需求，在功能完整性、可读性与执行效率之间寻求平衡。