1. 为什么我劝你尽早迈过函数这道坎如果你写过一段时间的Python大概率经历过这种场景同一个计算逻辑在代码里复制粘贴了五六遍每次粘贴完还要手动改几个变量名稍微改漏一处Bug就顺着报错信息爬出来了。又或者你的代码从头到尾就是一个大平层几百行堆在一起想找到某一段逻辑只能靠 CtrlF 慢慢翻。这些问题的解法其实非常统一——函数。函数这个词听起来像科班教材里的术语说得直白点它就是一段带名字的、可以反复调用的代码块。你给它喂几个值它把活干完再把结果还给你。之所以说它是可重用代码的基石是因为没有函数之前代码是“写一次用一次”有了函数之后代码是“写一次用无数次”而且还能在不同项目之间搬运。这篇文章适合谁刚学完Python基础语法、正准备进入实战的初学者也适合那些写了几百行脚本但总觉得代码乱成一团、想找机会整理一下的同学。我会从最基础的def语法一路讲到参数传递的内功心法、作用域的坑、以及我几次在实际项目中踩过的雷确保你读完之后不只是会写函数还能写出别人愿意看、自己也敢维护的函数。2. 函数的核心价值别再用复制粘贴写代码了2.1 没有函数的代码会变成什么样子我先给你模拟一个场景你在写一个数据处理脚本需要反复计算一组数值的平均值。第一次算还好写一行sum(nums)/len(nums)完事第二次数据换了再写一遍第三次不仅要算平均还要算最大最小值于是每次都在需要的地方堆一段判断逻辑。到第五次的时候这段逻辑已经出现了五个副本其中三份已经被你改得互相不一致了。这时候你只有两个选择要么忍受这种不一致性祈祷不要出Bug要么把所有逻辑抽出来打包成一个函数。我实际做项目时只要发现同一段逻辑出现两次以上就基本会考虑抽函数了。出现五次还在复制粘贴那代码基本已经失控了。函数不是用来炫技的它是用来止血的。2.2 函数解决了哪三类实际问题函数解决的第一类问题是“重复代码维护成本”。逻辑只要写一次后续要改平均数算法、要改成加权平均只动函数内部那几行就够了调用它的地方一个都不用改。第二类问题是“代码可读性”。一段叫做calculate_avg_score的代码哪怕你没看实现也知道它大概在算什么而五段裸的循环逻辑堆在一起读代码的人得一行行跟进去推理。第三类问题是“逻辑隔离”。写函数之后每个逻辑块都有自己独立的命名空间变量冲突、互相干扰的概率会显著降低。这三类价值叠加起来用一句大白话总结就是函数让你能把“做什么”和“怎么做”分开。调用的人只需要关心传入什么、得到什么而写函数的人负责把“怎么做”的细节藏起来。这个思想不仅适用于Python几乎所有现代编程语言都是建立在它之上的。2.3 什么时候不该用函数我见过相反方向的问题——有人刚学会函数就四处滥用每三行代码就抽一个函数结果代码被拆得七零八落读起来反而更累。我的经验是函数不是越细越好而是“边界越清晰越好”。一个函数如果内部逻辑只有一两行、而且只在一个地方被调用那把它内联到调用处往往更直观。判断标准很简单——抽出来之后调用处是变清爽了还是变绕了变绕了就别抽。3. 函数定义与调用的底层语法拆解3.1 一次完整的定义与调用Python定义函数用def关键字后面跟函数名、一对圆括号、参数列表、冒号然后换行缩进写函数体。下面是一个最朴素的例子def greet(name): message 你好 name return message result greet(小明) print(result) # 输出你好小明这段代码里有几个信息值得新手特别注意。第一函数体是靠缩进区分的不是靠大括号所以message 你好 name这行必须缩进一旦缩进错位Python会直接报IndentationError。第二return是用来返回结果的如果你不写return函数执行完会默认返回一个None。第三定义函数本身不会执行函数体只有执行到greet(小明)这行调用语句时函数里的代码才会真正跑起来。3.2 函数体的执行时机定义与调用是两回事很多初学者会困惑为什么我定义了函数程序运行起来好像什么都没发生因为定义函数本质上是“登记”了一个可执行的动作动作本身没有被触发。你可以把函数想象成一个菜谱写在笔记本上只是记录只有你按照菜谱开火下锅才算真正炒菜。这个区分在调试时也很重要。如果你发现函数内部的print没有输出第一反应不应该是去翻函数体里的代码而是先确认我真的调用它了吗我之前帮人排查过一个问题他在函数里写了一大段逻辑运行脚本发现什么都没打印最后发现函数定义完之后根本没有调用语句——这种低级错误理解了定义和调用的关系就不会再犯。3.3 给函数起名的几个建议函数名是给人看的不是给机器看的。机器只关心名字不重名人关心的是看到名字就知道函数干嘛的。我的习惯是函数名一律用小写字母加下划线例如calculate_total_price、get_user_by_id。名字尽量用动词开头因为函数本质是一个动作。避免data、process、handle这类含混不清的名字三个月后再看代码你自己都想不起来这些函数是干嘛的。4. 参数机制深入形参、实参与四种传参方式4.1 参数传递的本质函数定义时写在括号里的叫形参调用时传入的值叫实参。Python传参的底层机制用一句话说就是“传引用”但这里的引用要分两种对象理解不可变对象和可变对象。def demo(a, b): a a 10 b.append(100) x 5 y [1, 2, 3] demo(x, y) print(x) # 输出 5x 没变 print(y) # 输出 [1, 2, 3, 100]y 变了这个例子是我觉得理解Python参数机制最经典的一段。整数这种不可变对象传入函数后重新赋值只在函数内部新建了一个局部变量外部变量不受影响。列表这种可变对象函数内调用append修改的是对象本身的内容外部变量指向同一个对象所以跟着变了。这不是Python的bug而是特性。理解这一点之后你就能明白为什么很多函数式风格的建议里会说“不要修改传入的列表或字典”——因为这种修改是隐式的调用方如果不仔细看函数实现根本不知道自己的数据被改了。4.2 位置参数、关键字参数与默认参数定义函数时可以给参数设置默认值def create_profile(name, age18, city未知): return f{name}{age}岁来自{city}调用时你可以用位置方式传参create_profile(张三, 21, 上海)也可以跳过中间的默认参数用关键字方式传参create_profile(张三, city北京)。关键字的写法在参数多的时候可读性极好我在实际项目里超过三个参数就倾向于全部用关键字传参。默认参数必须放在非默认参数之后这是Python语法强制要求的。一个常见的误解是“默认参数只在第一次调用时求值”——对于不可变对象这个说法问题不大但如果是可变对象坑就来了。4.3 可变对象作为默认值的经典陷阱我必须要单独拎出来讲讲这个坑因为几乎每个写Python的人都会遇到一次def add_item(item, items[]): items.append(item) return items print(add_item(苹果)) # [苹果] print(add_item(香蕉)) # [苹果, 香蕉]而不是 [香蕉]为什么会这样因为函数的默认值在定义时只计算一次items[]这个列表对象从头到尾只有一个。第一次调用往里面加了“苹果”第二次调用拿到的还是同一个列表里面已经有“苹果”了。我当时第一次踩进这个坑的时候排查了一下午才发现问题出在这里。正确的做法是用不可变值占位在函数体内自己创建列表def add_item(item, itemsNone): if items is None: items [] items.append(item) return items这个写法是Python社区的通用约定不只是为了规避问题更是为了让人一眼看出“这个函数不会依赖上一次调用的状态”。4.4 万能参数 *args 与 **kwargs参数数量不确定的时候可以用*args接收任意多个位置参数用**kwargs接收任意多个关键字参数。它们会把参数分别打包成元组和字典def collect(*args, **kwargs): print(位置参数:, args) print(关键字参数:, kwargs) collect(1, 2, 3, name张三, age20) # 位置参数: (1, 2, 3) # 关键字参数: {name: 张三, age: 20}这两兄弟在写装饰器、写通用接口时非常有用。但在业务代码里不要滥用如果函数参数是确定的老老实实写清楚每个参数名可读性远胜*args一锅端。4.5 参数的“解包”操作反过来你有一个元组或列表想作为位置参数传入一个字典想作为关键字参数传入可以直接在调用时加星号nums (3, 5) result pow(*nums) # 相当于 pow(3, 5) config {sep: -, end: !\n} print(hello, world, **config) # 输出 hello-world!这种写法在调用第三方库函数时很常见特别是函数参数特别多、你手里已经有一个配置字典的场景。它让代码少了几行但可读性不一定变差只要配置字典的键名和函数参数名对得上。5. return返回值函数与外部世界的接口5.1 多种返回方式函数的返回值是函数与调用方沟通的唯一正式渠道。最简单的返回方式是直接跟一个值return 42。也可以同时返回多个值Python底层会帮你打包成一个元组def get_min_max(nums): return min(nums), max(nums) low, high get_min_max([3, 1, 4, 1, 5]) print(low, high) # 1 5这个拆包写法我觉得是Python最优雅的特性之一。返回两个值、用两个变量来接比用return [min_val, max_val]再手动取下标要直观得多。5.2 return会立刻终止函数return还有另一个作用一旦执行到return函数体内的代码立即结束后面的语句不会再执行。这个特性可以用作提前退出的利器def classify_score(score): if score 60: return 不及格 if score 80: return 良好 return 优秀这种写法比用多层if-elif-else嵌套或者设置一个变量一路走到底要清爽很多。我在写业务逻辑时经常用这种提前返回的模式它让每个分支的退出点非常明确代码层次一下子扁下来了。5.3 不写return函数返回什么如果一个函数没有return语句或者return后面什么都不跟函数会返回None。None是一个特殊的值表示“什么都没有”。新手经常在这里犯迷糊写了个函数内部用print打印了一堆结果然后赋值给变量想拿返回值结果变量是None。def bad_function(x): print(x * 2) result bad_function(5) print(result) # None要记住print是向终端输出不是返回结果。如果你想拿计算结果必须用return把值传出去。这个区分我在带教时反复强调它真的是初学阶段最高频的错误之一。5.4 返回字典还是返回元组多值返回时有人会纠结返回(a, b)和返回{a: a, b: b}哪个更好。我的建议很简单固定两个三个值用元组拆包值多且互相之间有语义区分用字典或自定义类。三元组(code, message, data)在API接口里是常见写法但如果你函数返回四五个值调用方要么得连着拆包要么得记住顺序这时候字典就好得多。6. 作用域与生命周期函数的隐藏空间6.1 局部变量与全局变量函数内部定义的变量叫局部变量它们在函数调用时创建、函数结束时销毁。函数外部定义的变量叫全局变量模块加载后就一直存续。x 10 def foo(): x 20 print(函数内:, x) foo() print(函数外:, x) # 函数内: 20 # 函数外: 10函数内部的x 20会新建一个局部变量不会修改外层的x。这个机制保护了外部状态不被函数意外污染很多人刚接触时觉得费解但理解了之后会觉得它其实是一种保护机制函数是一个封闭车间车间里怎么折腾都不会影响车间外的环境。6.2 想修改全局变量global关键字要慎用如果你确实想在函数里修改全局变量可以用global声明x 10 def foo(): global x x 20 foo() print(x) # 20能用但不建议用。global会破坏函数的封装性——函数一旦依赖和修改外部状态它就不再是独立可复用的单元调试时你很难追踪是谁在什么时间点改了全局变量。我个人的原则是函数尽量做到无副作用也就是“只吃参数、只吐返回值”。如果确实需要维护跨函数的状态更优雅的方案是使用类或者闭包而不是靠global。6.3 嵌套函数的闭包基础函数内部还可以定义函数内部函数可以访问外部函数的局部变量。这看似只是一个语法特性但它背后是闭包的基础def outer(x): def inner(y): return x y return inner add_5 outer(5) print(add_5(3)) # 8这里outer(5)返回了inner函数而inner虽然是在outer执行完之后才被调用的但它依然记得创建它时环境里的x5。这个能力在写装饰器、写工厂函数时非常有用也是理解Python函数式特性的一个台阶。7. 实操实战用函数重构一段真实业务代码7.1 一段典型的“坏味道”代码下面我模拟一个电商订单折扣处理的场景你先感受一下没有函数时代码长什么样orders [{id: 1, amount: 880, vip: True}, {id: 2, amount: 350, vip: False}, {id: 3, amount: 1200, vip: True}] result [] for order in orders: if order[vip]: if order[amount] 1000: price order[amount] * 0.7 elif order[amount] 500: price order[amount] * 0.8 else: price order[amount] * 0.9 else: if order[amount] 1000: price order[amount] * 0.85 else: price order[amount] * 0.95 result.append({id: order[id], price: round(price, 2)}) print(result)这段代码逻辑不算复杂但它把所有事情混在一起遍历订单、判断会员等级、算折扣、组装结果。你一眼能看懂但如果折扣规则要调整比如普通用户满500也享受9折你就得在嵌套的if里找半天。更麻烦的是如果这个折扣算法要在别的地方复用你只能再复制粘贴一遍。7.2 用函数逐层重构第一步抽出一个独立的折扣计算函数def calc_discount(amount, vip): if vip: if amount 1000: return 0.7 elif amount 500: return 0.8 else: return 0.9 else: if amount 1000: return 0.85 else: return 0.95第二步再抽一个处理单笔订单的函数def calculate_order_price(order): rate calc_discount(order[amount], order[vip]) final_price round(order[amount] * rate, 2) return {id: order[id], price: final_price}第三步主流程就变得非常短orders [...] result [calculate_order_price(order) for order in orders] print(result)重构后的代码每一层的职责都很清晰calc_discount只关心“给定金额和会员状态折扣是多少”calculate_order_price只关心“一个订单怎么变成结果”主流程只关心“遍历所有订单”。之后要改折扣规则只动calc_discount一个函数就行测试也方便直接调用函数传几组参数就能验证。7.3 顺手测试一下你的函数函数拆分带来的额外红利是可测试性。重构前那段平铺的代码想验证逻辑只能跑完整段流程重构后可以写一个简单的测试assert calc_discount(1200, True) 0.7 assert calc_discount(600, False) 0.95 assert calc_discount(400, True) 0.9 print(全部通过)不要小看这个简单的assert用法你能随时拿一组输入验证函数输出是否符合预期这本身就是调试效率的极大提升。遇到疑难Bug时我最常做的事就是写十几个断言把函数边界测一遍往往边界一测问题就浮出来了。8. 常见报错与思维误区排查实录8.1 TypeError: missing positional argument这个报错是最常见的。原因基本是调用函数时少传了参数或者参数顺序不对。我见过一个很隐蔽的场景函数定义有四个参数其中两个有默认值调用时传了三个位置参数Python把三个参数分别对齐到前三个形参结果默认参数也被覆盖了——报错倒不会报但行为完全不是你预期的。所以参数多的时候我真的建议用关键字传参明确告诉Python每个值给谁。8.2 UnboundLocalError函数内部使用了一个全局变量然后又给它重新赋值Python会认为它是局部变量导致本地引用错误。比如count 0 def bar(): count count 1 bar() # UnboundLocalError: local variable count referenced before assignment解决方案就是前面说的global或者把变量改为可变容器比如dict或列表或者干脆用类属性。我个人的偏好是如果真的需要累加计数写一个类来管理状态比用global干净。8.3 函数内部可以访问外部列表修改时要注意函数内部可以调用外部列表的append方法而不需要global因为list.append是修改对象不是重新赋值变量名def add_to_list(item): items.append(item) # 不会报错但外部列表被改了 items [1] add_to_list(2) print(items) # [1, 2]这看似方便但其实是很隐蔽的副作用。如果这个函数在别的模块里被调用调用方根本不知道自己的列表会被修改这在协作开发中属于极易产生事故的写法。我的建议是函数要修改一个列表就让调用方把列表传进去函数内部修改后返回结果或者返回一个新列表让外部自己决定怎么处理。9. 进阶技巧用文档字符串和类型标注提升函数的自解释性9.1 写docstring是最划算的投资函数写完之后要不要写注释我的答案是函数体内部可以少写注释但函数头部的文档字符串一定要写。Python用三引号字符串表示文档字符串def calculate_tax(income): 根据个人收入计算应缴税额。 参数: income: 年收入单位元。 返回: 应缴税额单位元。不足起征点时返回0。 return max(0, (income - 5000) * 0.03)有了这个字符串别人可以通过help(calculate_tax)或者IDE的悬停提示直接看到函数说明不需要去翻实现。对于一次性的脚本这个步骤可以省略但只要是打算复用的函数我都强烈建议写。它花的时间不超过30秒但能让你三个月后看代码时省下半小时。9.2 类型标注让意图更明确Python 3.5之后支持类型标注在参数后面加冒号注明类型返回值用箭头注明def calculate_order_price(order: dict) - dict: rate calc_discount(order[amount], order[vip]) final_price round(order[amount] * rate, 2) return {id: order[id], price: final_price}类型标注不是运行时强制检查它更像一种文档约定同时让IDE能够提供更智能的提示和静态检查。团队协作时类型标注可以显著降低“我不知道这个参数到底该传什么”的沟通成本。不过也提醒一句不要为了标注而标注简单直接就好。9.3 函数应当足够“小”我在实际写代码时有一个模糊的判断一个函数如果超过20行大概率说明它承担了过多职责应该看看能不能拆开。当然这个数字不是硬性标准有些算法密集型的函数天然就会长一些。更重要的信号是函数名字变得很难起如果想来想去只能用process_data这种什么都能干的名字那基本就是函数职责不纯的征兆。10. 让函数变得更好的个人经验总结函数这个主题在Python教程里通常只占一个小节但它实际影响着你未来写的每一行代码。我从第一次照着教程写def到现在函数写法也经历了几个阶段一开始以为函数就是“把代码包起来”后来意识到真正的关键是“边界怎么切”再后来体会到“函数是写给读者看的不只是写给机器跑的”。现在做项目时我的习惯是先写一个直接的流程跑通功能之后再把重复逻辑抽成函数最后审视一遍函数命名和参数设计。坏味道出现得最频繁的是“一个函数做三件事”和“函数依赖隐式状态”。遇到这种情况别心疼重构的成本——现在多花半小时拆解之后可能少花两小时排查。平时可以把“可重用”作为一种思维惯性写一个脚本时凡是可能被其他脚本复用的功能哪怕当前只用这一次我也倾向于用函数包起来。时间久了你会发现你的代码库会慢慢沉淀出不少个人工具函数这些才是你未来写代码速度的真正加速器。函数不难真正难的是一直保持“抽离”的意识和“清晰”的习惯。从今天写的第一个函数开始试着给它起个好名字写清文档字符串把参数设得合理——这些看起来不起眼的小事会让你的编码体验产生肉眼可见的改善。