python函数及面向过程高级特性

python函数

Python 函数（Function） 是将一段具有独立功能的代码进行封装，通过函数名即可重复调用，提高代码可读性与复用性。Python 还提供切片、迭代、生成器等功能，使面向过程编程更灵活强大。

基本用法：

复制代码

def 函数名(参数):
    函数体
    return 返回值

定义与调用函数

python 复制代码

def add(a, b):        # 定义函数，a 和 b 是"参数"
    return a + b      # 返回结果

res = add(3, 5)       # 调用函数
print(res)            # 输出 8

说明：

def 用于定义函数
参数在定义时编写，调用时传入实际值（称为"实参"）
return 返回结果；若省略，函数默认返回 None

参数类型示例

python 复制代码

def func(a, b=10, *args, **kwargs):
    print(a)          # 位置参数 必须传
    print(b)          # 默认参数
    print(args)       # 可变参数（元组） 元组就是一个"不能改的列表"
    print(kwargs)     # 关键字参数（字典）

说明：

b=10 为默认参数，可不传
*args 接收多个位置参数
**kwargs 接收多个"键=值"形式的参数

‍

结合起来看一个完整例子：
python 复制代码
```
func(100, 20, 1, 2, 3, name="tom", age=19)
```
最终：
- a = 100
- b = 20
- args = (1, 2, 3)
- kwargs = {"name": "tom", "age": 19}
打印结果会是：
复制代码
```
100
20
(1, 2, 3)
{'name': 'tom', 'age': 19}
```

函数的嵌套调用

python 复制代码

def func1(x):
    return x * 2

def func2(y):
    return func1(y) + 3   # 内部调用另一个函数

print(func2(5))           # 输出 13

说明：

函数内部可以调用其他函数，用于拆分复杂逻辑，让结构更清晰。

递归函数（函数自己调用自己）

python 复制代码

def factorial(n):
    if n == 1:        # 递归终止条件
        return 1
    return n * factorial(n - 1)

print(factorial(5))   # 输出 120

说明：

递归必须有"终止条件"，否则会无限调用
常用在数学问题、树结构处理等场景

Python 面向过程编程高级语法

切片（slice）

python 复制代码

lst = [10, 20, 30, 40, 50]
print(lst[1:4])      # [20, 30, 40]

切片语法是：

复制代码

list[start:end:step]

从列表中按照指定的起点、终点、步长，把一段内容"切"出来，得到一个新的列表。：

start 起始位置

从哪个索引开始取（包含该位置）。

例：1 表示从第二个元素（20）开始。
end 结束位置（不包含）

取到哪个索引之前结束（不包括该位置）。

例：4 表示取到索引 3（40）为止，索引 4 的 50 不取。
step 步长（默认为 1）

每次取元素时向前跳几格。

例：步长为 2，就是每隔一个取一个。
支持负数索引

-1 表示最后一个、-2 倒数第二个，以此类推。
支持倒序切片

当 step 为负数时，从右向左取，例如 lst[::-1] 可以反转整个列表。

当 step 为正数 时（正常方向）：
- start 默认从 最左边（索引 0） 开始
- end 默认到 最右边（索引 len） 结束
但当 step 为负数（倒序）时：
- start 默认从 最后一个元素 开始
- end 默认到 第一个元素的前一位 结束

迭代（for 循环遍历）

例子一

python 复制代码

for x in [1, 2, 3]:
    print(x)

#输出：
#	1
#	2
#	3

说明：

Python 的 for 循环可以遍历序列（列表、字符串）、字典、集合等
内部自动控制索引，无需自己写 i++

例子二

python 复制代码

students = [
    {"name": "Li", "age": 19},
    {"name": "Wang", "age": 20},
    {"name": "Zhang", "age": 18}
]

for stu in students:
    print(stu["name"], stu["age"])

输出结果：

复制代码

Li 19
Wang 20
Zhang 18

例子三

遍历字符串列表，筛选出长度大于 3 的单词

python 复制代码

words = ["hi", "python", "sun", "a", "coffee", "dog"]

for w in words:
    if len(w) > 3:          # 判断字符串长度是否大于 3
        print(w.upper())    # 转成大写并打印

输出结果：

复制代码

PYTHON
COFFEE

列表生成式（List Comprehension）

python 复制代码

squares = [x * x for x in range(1, 6)]
print(squares)            # [1, 4, 9, 16, 25]

说明：

列表生成式是一种 用一行代码生成列表 的写法，比传统的 for 循环更简洁、更直观。

基本结构为：

复制代码

[ 表达式  for 变量 in 可迭代对象  if 条件可选 ]

它可以把普通的循环写成一行，适合根据某个规则"生成新列表"。

在例子中：
- for x in range(1, 6) 表示 x 依次为 1 到 5
- x * x 是"要放进新列表的内容"
  最终生成所有平方值列表 [1, 4, 9, 16, 25]
列表生成式可以附加条件过滤，让你"只保留满足条件的元素"。

示例：
python 复制代码
```
positives = [x for x in nums if x > 0]
```
作用：从 nums 中筛选出所有正数生成新列表。
生成式中的"表达式"不一定是简单计算，也可以是字符串操作、函数调用甚至三元表达式。

例如：
python 复制代码
```
lengths = [len(word) for word in words]
```
生成所有单词的长度列表。
与普通 for 对比：

普通写法：
python 复制代码
```
res = []
for x in nums:
    if x % 2 == 0:
        res.append(x * 2)
```
列表生成式：
python 复制代码
```
res = [x * 2 for x in nums if x % 2 == 0]
```
功能完全一致，但更紧凑。
列表生成式会返回一个全新的列表，不会修改原数据。

因此适用于"基于旧列表，生成一个新列表"的场景。

生成器（Generator）

python 复制代码

def gen():
    for i in range(3):
        yield i            # 用 yield 生成值

g = gen() 				#创建一个生成器对象 g 准备好即将执行 gen() 的代码，但还没开始跑
print(next(g))            # 0
print(next(g))            # 1

说明：

使用 yield 的函数就是生成器
- 只要函数里出现了 yield ，这个函数就不再是普通函数，而是一个 生成器函数（generator function） 。
- 调用这个函数不会立即执行函数体，而是返回一个生成器对象（generator object） 。
- 函数遇到 yield 会"停住"，把值"交出去"，下次再从停下的地方继续往后执行
每次 next() 执行到下一个 yield
第一次调用：
python 复制代码
```
print(next(g))
```
流程：
1. 进入 gen() 函数
2. 进入 for i in range(3)
3. i == 0
4. 遇到 yield i，返回 0，但并没有结束函数
5. 暂停在 yield 这一行
所以第一次输出：
复制代码
```
0
```
第二次调用：
python 复制代码
```
print(next(g))
```
这次不是从头开始，而是：
- 接着上次暂停的地方继续执行
- 所以继续 for 循环
节省内存，适合处理大量数据（）

因为生成器：
- 不一次性生成全部数据
- 而是按需生成一个算一个
- 用一个值算一个值，不要的值就不占内存
  
  ‍

python 复制代码

next 是 Python 的一个内置函数，作用非常简单：

一句话解释

next(x) 的意思是：从可迭代对象（iterator/迭代器）里取下一个值。

在 Python 中，有些东西可以"一步一步"取值，比如：

生成器（generator）

迭代器（iterator）

用 iter() 包装后的列表、元组等

这些东西就像"能连续产出数据的机器"。

而 next() 就是：

让这个机器继续吐出下一个值。

用生成器举例

python 复制代码

def gen():
    for i in range(3):
        yield i

g = gen()   # g 是一个生成器

此时 g 还没有开始执行。

我们用 next(g) 让它吐出数据：

python 复制代码

next(g)   # 取到第一个值 0
next(g)   # 取到第二个值 1
next(g)   # 取到第三个值 2

再调用一次：

python 复制代码

next(g)   # 没有值了，会报 StopIteration

用 iter() 包装也能用 next()

iter(iterable) : 这个函数接收一个可迭代对象（如列表、元组、字典、字符串等）作为参数，并返回一个与该对象关联的迭代器。

python 复制代码

lst = [10, 20, 30]
it = iter(lst)     # 把列表变成迭代器

print(next(it))    # 10
print(next(it))    # 20
print(next(it))    # 30

迭代器（Iterator）

python 复制代码

it = iter([10, 20, 30])  # 将列表转为迭代器
print(next(it))          # 10
print(next(it))          # 20

说明：

迭代器用于逐个获取数据
iter(obj) 返回一个迭代器对象
可被 for 循环使用
一次取一个，仅向前，不可回退

lst = [1, 2, 3, 4]
it = iter(lst)
while True:
try:
val = next(it)
print(val)
except StopIteration: # 当迭代器耗尽时会触发异常
break

输出：

复制代码

‍