7.1 KiB
doc_type, full_text
| doc_type | full_text |
|---|---|
| short | sources/07_Functions.md |
07_Functions 总结
本文介绍了 Python 程序组织的基础工具：自定义函数、标准库函数、异常处理，以及如何把脚本改造成可复用、可测试、可从命令行调用的程序。它延续前一节文件处理内容，将 pcost.py 逐步重构为函数式、健壮且更接近真实使用场景的程序。
核心内容
自定义函数
函数用于封装可复用代码。一个函数通常包含：
def关键字定义函数- 参数列表接收输入
- 函数体执行任务
return显式返回结果- 可选的文档字符串说明用途
示例：
def sumcount(n):
'''
Returns the sum of the first n integers
'''
total = 0
while n > 0:
total += n
n -= 1
return total
调用函数：
a = sumcount(100)
函数是组织较大程序的重要方式，也是代码复用和测试的基础。相关主题可扩展为 python functions、code reuse。
文档字符串
如果函数的第一条语句是字符串，它会成为函数的文档字符串，可以通过 help() 查看。
def greeting(name):
'Issues a greeting'
print('Hello', name)
这体现了 Python 中“代码即文档”的轻量实践，可关联 documentation。
标准库函数与模块
Python 自带大型标准库，通过 import 使用模块中的函数和对象。
示例：
import math
x = math.sqrt(10)
import urllib.request
u = urllib.request.urlopen('http://www.python.org/')
data = u.read()
本文只做简要介绍，后续会更深入讨论模块和库。这里强调标准库可以避免重复造轮子，是 Python 实用性的核心来源之一。相关主题：python standard library、modules and imports。
错误与异常
函数通过异常报告错误。未处理的异常会中断函数执行，甚至导致整个程序停止。
示例：
>>> int('N/A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: invalid literal for int() with base 10: 'N/A'
异常信息通常包含：
- 发生了什么错误
- 错误发生的位置
- traceback，即导致错误的一系列函数调用路径
这些信息对调试非常重要。相关主题：python exceptions、debugging。
捕获和处理异常
异常可以用 try-except 捕获并处理。
for line in file:
fields = line.split(',')
try:
shares = int(fields[1])
except ValueError:
print("Couldn't parse", line)
要注意：except 后的异常名称必须匹配实际可能发生的错误类型，例如 ValueError。
本文指出，在实际编程中，很难提前知道所有可能发生的错误。异常处理经常是在程序崩溃后补充的，即发现“忘了处理某类错误”之后再修正。相关主题：error handling、robust programming。
抛出异常
可以用 raise 主动抛出异常。
raise RuntimeError('What a kerfuffle')
如果没有被 try-except 捕获，程序会终止并显示 traceback。
这说明异常不仅是系统自动产生的错误机制，也可以作为程序设计中的显式错误报告工具。相关主题：exception raising。
练习与实践路径
练习 1.29：定义函数
要求定义简单的 greeting(name) 函数，理解：
- 函数定义
- 参数传递
- 函数调用
- 文档字符串
help()查看函数说明
练习 1.30：把脚本改造成函数
将前一节中的 pcost.py 脚本改造成：
def portfolio_cost(filename):
...
该函数接收文件名，读取投资组合数据，并返回总成本。
示例调用：
cost = portfolio_cost('Data/portfolio.csv')
print('Total cost:', cost)
还可以通过交互模式测试：
python3 -i pcost.py
然后调用：
>>> portfolio_cost('Data/portfolio.csv')
44671.15
这一练习强调：将脚本逻辑封装为函数后，代码更容易测试、复用和调试。相关主题：script to function、interactive testing。
练习 1.31：错误处理
当输入文件包含缺失字段时，程序可能崩溃：
ValueError: invalid literal for int() with base 10: ''
练习要求修改 pcost.py：
- 捕获异常
- 打印警告信息
- 跳过坏数据行
- 继续处理剩余文件
这里引入了处理脏数据的两种策略：
- 清理原始输入文件
- 修改程序，使其能容忍并处理坏数据
这与现实数据处理高度相关，可关联 data cleaning、fault tolerance。
练习 1.32：使用 csv 标准库
推荐使用 Python 的 csv 模块处理 CSV 文件，而不是手动 split(',')。
示例：
import csv
f = open('Data/portfolio.csv')
rows = csv.reader(f)
headers = next(rows)
csv 模块可以处理许多底层细节，例如：
- 正确拆分逗号分隔字段
- 处理引号
- 去除字段中的双引号
- 更可靠地解析 CSV 数据
这体现了使用标准库替代手写解析逻辑的价值。相关主题：csv processing、data parsing。
练习 1.33：从命令行读取参数
原始程序中输入文件名被硬编码：
cost = portfolio_cost('Data/portfolio.csv')
练习要求改用 sys.argv 从命令行获取参数：
import sys
if len(sys.argv) == 2:
filename = sys.argv[1]
else:
filename = 'Data/portfolio.csv'
cost = portfolio_cost(filename)
print('Total cost:', cost)
sys.argv 是命令行参数列表。这样程序既可以使用默认文件，也可以由用户指定输入文件。
运行方式：
python3 pcost.py Data/portfolio.csv
这一节把程序从“学习用脚本”推进到“可配置命令行工具”的形式。相关主题：command line arguments、python scripts。
关键思想
- 函数是组织、复用和测试代码的基本单位。
return用于明确给出函数结果。- 文档字符串让函数具备内置说明。
- Python 标准库提供大量现成工具，应该优先使用。
- 异常是 Python 中报告和处理错误的主要机制。
try-except可以让程序在遇到坏数据时继续运行。raise可以主动报告程序中的异常状态。- 将脚本逻辑封装为函数后，可以更方便地交互测试。
- 使用
csv模块比手动拆分 CSV 文本更可靠。 - 使用
sys.argv可以让脚本接收命令行参数，减少硬编码。
与前后内容的关系
本文承接 summaries/06_Files 中的文件读取和投资组合成本计算示例，将其进一步封装为函数，并加入错误处理、标准库解析和命令行参数。它也为后续“处理数据”部分打下基础，尤其是围绕 CSV 文件、异常数据、可复用程序结构等主题。