0 Fork 0

Files

T

xixu-me e1fb2929c0 chore: clean repository history

2026-06-05 21:13:11 +08:00

11 KiB

Raw Permalink Blame History

doc_type, full_text

doc_type	full_text
short	sources/02_More_functions.md

02_More_functions 总结

本文深入讲解 Python 函数的调用方式、默认参数、返回值、作用域、参数传递语义，并通过一系列练习逐步构建一个通用的 CSV 文件解析函数 parse_csv()。它承接前文脚本化程序的基础，为后续错误检查和更健壮的数据处理做准备。

函数调用方式

Python 函数可以用两种主要方式调用：

位置参数：按定义顺序传入参数。
关键字参数：显式指定参数名，提高可读性。

示例：

def read_prices(filename, debug):
    ...

prices = read_prices('prices.csv', True)
prices = read_prices(filename='prices.csv', debug=True)

对于布尔开关、调试选项、可选行为等参数，推荐使用关键字参数，因为：

parse_data(data, False, True)

难以理解，而下面的形式更清晰：

parse_data(data, ignore_errors=True)
parse_data(data, debug=True)
parse_data(data, debug=True, ignore_errors=True)

相关概念：Python函数设计、关键字参数

默认参数

函数参数可以指定默认值，使其成为可选参数：

def read_prices(filename, debug=False):
    ...

调用时可以省略默认参数：

d = read_prices('prices.csv')
e = read_prices('prices.dat', True)

注意：带默认值的参数必须放在参数列表末尾，也就是所有必需参数应先出现。

参数命名与 API 设计

函数参数名应短小但有意义。原因包括：

调用者可能使用关键字参数调用函数。
开发工具和帮助文档会显示参数名。
好的参数名能让函数接口更自解释。

例如：

d = read_prices('prices.csv', debug=True)

这里 debug 明确表达了参数用途。

返回值

return 语句用于从函数返回值：

def square(x):
    return x * x

如果函数没有显式返回值，或仅写 return 而不带表达式，则返回 None：

def bar(x):
    statements
    return

 def foo(x):
    statements

这两个函数调用结果都会是 None。

多个返回值

Python 函数实际只能返回一个对象，但可以返回一个元组，从而实现“多个返回值”的效果：

def divide(a, b):
    q = a // b
    r = a % b
    return q, r

调用时可以解包：

x, y = divide(37, 5)   # x = 7, y = 2

也可以作为一个元组接收：

x = divide(37, 5)      # x = (7, 2)

相关概念：元组解包、Python返回值

变量作用域

Python 中变量根据定义位置分为：

全局变量：定义在函数外部。
局部变量：定义在函数内部。

x = value  # 全局变量

def foo():
    y = value  # 局部变量

局部变量

函数内部赋值产生的变量是局部变量，只在函数调用期间存在，调用结束后不可访问。

示例：

def read_portfolio(filename):
    portfolio = []
    for line in open(filename):
        fields = line.split(',')
        s = (fields[0], int(fields[1]), float(fields[2]))
        portfolio.append(s)
    return portfolio

其中 filename、portfolio、line、fields、s 都是局部变量。

函数调用结束后，外部不能访问 fields：

>>> fields
NameError: name 'fields' is not defined

局部变量也不会与函数外部的同名变量冲突。

全局变量

函数可以读取同一文件中的全局变量：

name = 'Dave'

def greeting():
    print('Hello', name)

但函数内部的赋值默认会创建局部变量，而不是修改全局变量：

name = 'Dave'

def spam():
    name = 'Guido'

spam()
print(name)  # Dave

核心规则：函数中的所有赋值默认都是局部赋值。

修改全局变量

如果必须修改全局变量，需要使用 global 声明：

name = 'Dave'

def spam():
    global name
    name = 'Guido'

但文中强调应尽量避免 global。如果函数需要修改外部状态，更好的设计通常是使用类来封装状态。

相关概念：Python作用域、全局变量、状态管理

参数传递：引用而非复制

调用函数时，参数名会绑定到传入对象上。传入的值不会被复制。

如果传入的是可变对象，例如列表或字典，函数可以原地修改它：

def foo(items):
    items.append(42)

a = [1, 2, 3]
foo(a)
print(a)  # [1, 2, 3, 42]

关键点：函数不会自动获得输入参数的副本。

修改对象 vs 重新绑定变量

文中强调了一个重要区别：

修改对象：影响调用者持有的同一个对象。
重新赋值变量名：只改变局部变量绑定，不影响外部变量。

修改对象：

def foo(items):
    items.append(42)

a = [1, 2, 3]
foo(a)
print(a)  # [1, 2, 3, 42]

重新绑定局部变量：

def bar(items):
    items = [4, 5, 6]

b = [1, 2, 3]
bar(b)
print(b)  # [1, 2, 3]

变量赋值不会覆盖内存，而是让名字绑定到新的对象。

练习目标：构建通用 CSV 解析函数

练习部分围绕 Work/fileparse.py 展开，目标是把前面 read_portfolio() 和 read_prices() 中重复的底层 CSV 处理逻辑抽象成一个通用函数 parse_csv()。

该函数最终支持：

打开 CSV 文件。
使用 csv.reader() 读取内容。
跳过空行。
将带表头的 CSV 转换为字典列表。
选择指定列。
对字段执行类型转换。
支持无表头文件。
支持自定义分隔符。

相关概念：CSV解析、数据清洗、函数抽象

Exercise 3.3：读取 CSV 为字典列表

初始版本的 parse_csv() 将 CSV 文件解析成字典列表：

import csv

def parse_csv(filename):
    '''
    Parse a CSV file into a list of records
    '''
    with open(filename) as f:
        rows = csv.reader(f)
        headers = next(rows)
        records = []
        for row in rows:
            if not row:
                continue
            record = dict(zip(headers, row))
            records.append(record)
    return records

核心机制：

第一行作为表头。
每一行数据与表头通过 zip(headers, row) 配对。
使用 dict() 转换成字典。
所有记录组成列表返回。

示例结果：

[{'price': '32.20', 'name': 'AA', 'shares': '100'}, ...]

此时所有字段仍是字符串，尚不能直接用于数值计算。

Exercise 3.4：选择指定列

接着扩展 parse_csv()，增加 select 可选参数，用于只读取部分列：

shares_held = parse_csv('Data/portfolio.csv', select=['name', 'shares'])

关键步骤是把列名映射为列索引：

indices = [headers.index(colname) for colname in select]

例如：

headers = ['name', 'date', 'time', 'shares', 'price']
select = ['name', 'shares']
indices = [0, 3]

读取每行后，用索引过滤字段：

row = [row[index] for index in indices]

该练习体现了列表推导式、索引映射和数据投影的组合应用。

相关概念：concepts/列表推导式、列选择、数据投影

Exercise 3.5：执行类型转换

进一步扩展 parse_csv()，增加 types 参数，用于对字段执行类型转换：

portfolio = parse_csv('Data/portfolio.csv', types=[str, int, float])

转换逻辑：

if types:
    row = [func(val) for func, val in zip(types, row)]

这里 types 是一组可调用对象，例如 str、int、float。它们与行中的字段一一配对，并把字符串转换成所需类型。

示例：

{'price': 32.2, 'name': 'AA', 'shares': 100}

这一节展示了函数对象也可以作为数据传递。

相关概念：类型转换、高阶函数、可调用对象

Exercise 3.6：处理无表头 CSV 文件

有些 CSV 文件没有表头，例如价格文件：

"AA",9.22
"AXP",24.85
"BA",44.85

此时无法构造字典，因为没有列名作为键。因此 parse_csv() 需要支持 has_headers=False，并返回元组列表：

prices = parse_csv('Data/prices.csv', types=[str, float], has_headers=False)

结果形式：

[('AA', 9.22), ('AXP', 24.85), ('BA', 44.85), ...]

这一扩展要求函数根据是否存在表头改变解析策略：

有表头：返回字典列表。
无表头：返回元组列表。

Exercise 3.7：支持不同分隔符

虽然 CSV 常用逗号分隔，但实际数据也可能使用空格、制表符等分隔符。

例如 portfolio.dat 使用空格分隔：

name shares price
"AA" 100 32.20
"IBM" 50 91.10

csv.reader() 可以通过 delimiter 参数指定分隔符：

rows = csv.reader(f, delimiter=' ')

于是 parse_csv() 增加 delimiter 参数：

portfolio = parse_csv(
    'Data/portfolio.dat',
    types=[str, int, float],
    delimiter=' '
)

这使函数可以处理更广泛的结构化文本数据。

相关概念：文件解析、CSV模块、可配置接口

最终函数的设计意义

经过这些练习，parse_csv() 从一个简单函数逐步演化为一个可复用的数据解析工具。它体现了多个重要编程思想：

隐藏低层细节：调用者不需要关心文件打开、CSV 包装、跳过空行等细节。
通过可选参数增强通用性：select、types、has_headers、delimiter 让函数适应多种场景。
用关键字参数提升可读性：例如 has_headers=False、delimiter=' '。
组合已有概念解决实际问题：字典、元组、列表推导式、函数对象、文件读取等概念被整合到一个实用函数中。
形成小型库函数：该函数可以被其他程序导入和复用。

关键知识点汇总

函数可以通过位置参数或关键字参数调用。
可选参数应使用默认值，并通常放在参数列表末尾。
布尔标志和可选功能推荐使用关键字参数调用。
函数无显式返回值时返回 None。
多返回值本质上是返回元组。
函数内部赋值默认创建局部变量。
函数可以读取全局变量，但修改全局变量需要 global。
应尽量避免 global，改用更好的状态管理方式。
函数参数传递的是对象引用，不是对象副本。
修改可变对象会影响调用者；重新绑定局部变量不会。
通用函数可以通过可选参数逐步增强能力。
parse_csv() 是函数抽象、数据解析和接口设计的综合练习。

可延伸的概念页面

Python函数设计
关键字参数
Python作用域
Python参数传递
concepts/变量绑定
可变对象
CSV解析
类型转换
函数抽象
可配置接口

11 KiB Raw Permalink Blame History Unescape Escape