Python自定义函数需要注意的问题

Python自定义函数需要注意的问题：
1.缩进。一个语句块要用相同的缩进，两个缩进相同的逻辑行可以看做可以并列的关系，不可能是所属关系。
return需要跟for对齐，否则


2.遍历。range（n） 代表的是从0开始，遍历到n-1，步长为1
range（1，n+1） 代表从1开始，遍历到n 步长为1
range（1，n+1，2）代表从1开始，遍历到n 步长为2、
3.自定义函数后可以返回一个值（return）
return保留字用来传递返回值
函数可以有返回值也可以没有
可以有return 也可以没有

4.双参数 可变参数传递 B表达不确定的因素
如果 for j in n
#加上代表不确定给的数值，但是不加会返回错误，会把n看做int类型
如果for range in(1,n)
则不需要加，示例如下
HR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N1cGVyX2hvbmc=,size_16,color_FFFFFF,t_70)

5. 定义了2个参数 但是给了3个值？？？？不确定怎么处理

6.局部变量与全局变量
基本数据变量
规则一：局部变量和全局变量是不同的变量
局部变量是函数内部的占位符 与全局变量可能重名但不同
函数运算结算后 局部变量被释放
用global在局部变量中使用全局变量—声明
n,s=10,100 =====— ns为全局变量
def fact(n): =====— 局部变量
s=1 =====—局部变量
for i in range(1,10): 局部变量
s*=I =====— 局部变量
return s =====—局部变量
print(fact(n),s) =====— 此时S是全局变量
》》》362880 100
注意：fact（n） 只有被return才能被传递
如果不return print（fact（n））为None

如果在函数内部使用全局变量 用global
n,s=10,100 =====— ns为全局变量
def fact(n): =====— 局部变量
*global s =====—全局变量*
for i in range(1,10): 局部变量
s*=I =====— 局部变量
return s =====—局部变量
print(fact(n),s) =====— 此时S是全局变量
》》》36288000 36288000

规则二：局部变量是组合数据类型并且未创建，等同于全局变量
ls=[“f”,“F”]
def func(s):
ls.append(s) append 指的是ls新增一个s
return
func(1)
print(ls)
》》》[‘f’, ‘F’, 1]
因为ls在函数中没有真实创建 所以 在函数中的ls等于全局变量
但是如果在函数中真实创建了ls 则返回的是全局变量 见下例
ls=[“f”,“F”]
def func(s):
ls=[] 真实创建了ls
ls.append(s)
return
func(1)
print(ls)
》》》[‘f’, ‘F’]

总结：如果组合数据类型在函数中被真是创建 则不同于全局变量 如果函数结束 局部变量即被释放。如果组合类型没有真实创建 则等同于全局变量

7、Lambda函数
能够返回函数名作为结果
Lamda 保留自定义 函数名是返回结果
Lamda 参数：表达式
f=lamda x,y:x+y

f(1,2)
3

应用：一般使用 def return 谨慎使用lambda 主要用于特定函数或方法的参数
有固定使用方式

单元小结：
Def 定义函数 lambda定义匿名函数
可选参数 注意 定义时要赋予初值 名称的参数传递
Return 返回多个结果
保留字global声明全局变量
基本数据类型和组合数据类型的规则

Python-lambda匿名函数，以及filter、map、reduce、apply函数
转载自链接：
http://www.360kuai.com/pc/97528ae9851744087?cota=4&kuai_so=1&sign=360_a9931de8&refer_scene=so_1
lambda 匿名函数
lambda 函数的语法比较简单，形式为：lambda 参数列表: 表达式

sum = lambda x,y:x+y

sum(6+9)

filter 函数
功能： filter的功能是过滤掉序列中不符合函数条件的元素，当序列中要删减的元素可以用某些函数描述时，就应该想起filter函数。

调用： filter（function，sequence），function可以是匿名函数或者自定义函数，它会对后面的sequence序列的每个元素判定是否符合函数条件，返回True或者False，从而只留下True 的元素；sequence可以是列表、元组或者字符串。

例子：

x = [1,2,3,4,5]

list(filter(lambda x:x%2==0,x)) # 找出偶数。python3.*之后filter函数返回的不再是列表而是迭代器，所以需要用list转换。

输出：

[2, 4]

map 函数
功能： 求一个序列或者多个序列进行函数映射之后的值，就该想到map这个函数，它是python自带的函数，在python3.*之后返回的是迭代器，同filter，需要进行列表转换。

调用： map(function,iterable1,iterable2)，function中的参数值不一定是一个x，也可以是x和y，甚至多个；后面的iterable表示需要参与function运算中的参数值，有几个参数值就传入几个iterable。

例子：

x = [1,2,3,4,5]

y = [2,3,4,5,6]

list(map(lambda x,y:(x*y)+2,x,y))

输出：

[4, 8, 14, 22, 32]

reduce 函数
功能： 对一个序列进行压缩运算，得到一个值。但是reduce在python2的时候是内置函数，到了python3移到了functools模块，所以使用之前需要 from functools import reduce

调用： reduce（function，iterable），其中function必须传入两个参数，iterable可以是列表或者元组

例子：

x=[1,2,3,4,5]

from functools import reduce

reduce(lambda x,y: x+y, x)

apply 函数
功能： 是pandas中的函数，应用对象为pandas中的DataFrame或者Series。大致有两个方面的功能：一是直接对DataFrame或者Series应用函数，二是对pandas中的groupby之后的聚合对象apply函数

调用： apply(function,axis)，function表明所使用的函数，axis表明对行或者列做运算

例子：

import numpy as np

import pandas as pd

a = np.random.randint(low=0,high=4,size=(2,4))

data = pd.DataFrame(a)

data.apply(lambda x:x*10)

简而言之，filter和map都是python内置的函数，可以直接调用，reduce在functools模块，apply在pandas模块。

想知道当前程序或是进程运行到某个地方时，内存里有哪些变量，获取他们的name 列表：

dir()

删除单个变量

del x # 删除变量 x