Python 函数详解：从语法到参数传递的思考
函数是 Python 中最核心、最常用的特性之一。掌握函数，不仅能写出可复用的代码，更能深刻理解 Python 的“一切皆对象”和参数传递机制。本文从基础语法开始，逐步深入到参数传递的本质，最后给出实际思考和最佳实践。
1. 函数的基本语法
定义函数
def 函数名(参数列表):
"""文档字符串（可选，但强烈推荐）"""
# 函数体
语句...
return 返回值 # 可选，不写则返回 None示例：
def greet(name: str) -> str:
"""问候函数"""
return f"你好，{name}！"
print(greet("小明")) # 你好，小明！- 类型提示（
name: str,-> str）：Python 3.5+ 引入，属于注解，不强制执行，但 IDE 和类型检查工具（如 mypy）会使用。 - 文档字符串：用三引号，
help(greet)或 IDE 会显示。
调用函数
result = greet("小明")2. 参数的种类（从简单到高级）
Python 函数参数非常灵活，支持多种传递方式。参数顺序规则（Python 3.8+）：
**位置参数（Positional-only） / 普通参数 / * 可变位置参数 / 仅关键字参数 / ** 可变关键字参数**
(1) 位置参数与关键字参数
def add(a, b):
return a + b
add(3, 5) # 位置参数
add(a=3, b=5) # 关键字参数
add(b=5, a=3) # 关键字参数顺序可变(2) 默认参数
默认参数必须放在非默认参数之后。
def power(base, exp=2):
return base ** exp
power(3) # 9
power(3, 4) # 81(3) 可变参数：*args 和 **kwargs
def print_info(title, *args, **kwargs):
print("标题:", title)
print("位置参数:", args) # tuple
print("关键字参数:", kwargs) # dict
print_info("测试", 1, 2, 3, name="张三", age=18)输出：
标题: 测试
位置参数: (1, 2, 3)
关键字参数: {'name': '张三', 'age': 18}(4) Python 3.8+ 新特性：位置仅参数（/）和仅关键字参数（*）
def modern_func(a, b, /, c, *, d=10):
# a, b 必须用位置方式传入
# c 可以位置或关键字
# d 必须用关键字
pass
modern_func(1, 2, 3, d=20) # 正确
# modern_func(1, 2, c=3) # 正确
# modern_func(a=1, b=2, c=3) # 错误！a,b 不能用关键字这个特性在库设计中非常有用（如 divmod()、range()），能强制调用者使用更清晰的方式。
3. 参数传递机制：核心思考点
Python 的参数传递本质是“按对象引用传递”（Pass by Object Reference），或者更准确地说是 “按赋值传递”（Pass by Assignment）。
Python 中一切都是对象。函数调用时，参数名只是对传入对象的引用（指针），类似赋值操作 param = argument。
关键区别：可变对象 vs 不可变对象
| 类型 | 示例 | 修改行为 | 对外部影响 |
|---|---|---|---|
| 不可变 | int, float, str, tuple, frozenset | 创建新对象 | 无影响 |
| 可变 | list, dict, set, 自定义类实例 | 原地修改（in-place） | 有影响 |
实验验证：
def modify_list(lst):
lst.append(4) # 原地修改可变对象
l = [1, 2, 3]
modify_list(l)
print(l) # [1, 2, 3, 4] ← 外部被修改！def modify_int(x):
x = 10 # 重新绑定局部变量
n = 5
modify_int(n)
print(n) # 5 ← 外部不变！为什么会这样？
lst.append(4)：操作的是列表对象本身，lst和外部l指向同一个对象。x = 10：重新让局部变量x指向一个新的整数对象 10，外部n仍然指向 5。
这不是传统的“传值”也不是“传引用”，而是 传引用但赋值时重新绑定。
思考：
- 优点：高效！大对象（几 GB 的 DataFrame）不需要拷贝，直接传递引用。
- 缺点：容易产生副作用（side effects），尤其在多线程或大型项目中。
- 设计哲学：Python 相信程序员的责任感（“We are all consenting adults here”），不强制拷贝，但要求你了解对象可变性。
4. 常见陷阱与最佳实践
陷阱1：可变默认参数（最经典的坑！）
def bad_func(a=[]):
a.append(1)
return a
print(bad_func()) # [1]
print(bad_func()) # [1, 1]
print(bad_func()) # [1, 1, 1]原因：默认参数在函数定义时只计算一次，可变对象会被所有调用共享。
正确写法：
def good_func(a=None):
if a is None:
a = [] # 每次调用新建列表
a.append(1)
return a陷阱2：不必要的拷贝
# 坏：大列表每次都拷贝
def process(data):
data = data[:] # 浅拷贝
# 好：明确告诉调用者会修改
def process_inplace(data):
data.append("new")
# 或返回新对象
return [x*2 for x in data]最佳实践建议：
- 修改可变对象时：要么原地修改并返回
None，要么返回新对象（函数式风格）。 - 团队协作：函数名或文档明确说明是否会修改参数（
inplace=True风格）。 - 大型项目：优先使用不可变数据结构（
tuple、frozendict、pydantic等）或返回新对象。
5. 进阶思考：函数设计的哲学
- Python 函数是一等公民：可以赋值、作为参数、作为返回值、放在容器里。
- 闭包与作用域（LEGB 规则）：函数可以捕获外部变量，形成闭包。
- 装饰器：本质是函数包裹函数。
def timer(func):
def wrapper(*args, **kwargs):
import time
start = time.time()
result = func(*args, **kwargs)
print(f"耗时: {time.time()-start:.4f}s")
return result
return wrapper
@timer
def slow_func():
time.sleep(1)- 函数式编程倾向：鼓励
map、filter、lambda、functools等，减少副作用。
总结
- 语法：灵活 + 类型提示 + 文档字符串 = 现代 Python 函数。
- 参数传递：按对象引用传递 → 可变对象有副作用，不可变对象安全。
- 核心思考：Python 把控制权交给程序员，同时要求程序员理解对象模型。
掌握了参数传递机制，你就真正理解了“Pythonic”的精髓：简洁、高效、但需要对对象有敬畏之心。
想深入哪个部分（装饰器、生成器、异步函数、类型提示进阶等）？随时告诉我，我可以继续展开！
