Python函数的作用域及内置函数详解

目录

• 1.函数的作用域
• 2.函数的调用详解
• 3.内置函数
• 总结

1.函数的作用域

-- 内置

-- 全局，顶格写

-- 局部，函数内部

a = 34 #全局变量
def run():
    b = 44 #局部变量
print(a)
print(b) #不可以直接调用局部变量，报错

运行结果：

c = 12
def run(a):
    print(a)
    b = 33
run(5)
# 一个全局变量c
# 两个局部变量a,b
# 函数的参数也是局部变量

运行结果：

5

局部 VS 全局

-- 局部空间（函数内）获取全局变量，Yes

-- 全部空间（函数外）获取局部变量，No，但可以间接通过返回值 return 获取

-- 全局空间（函数外）修改局部变量，No

-- 局部空间（函数内）修改全部变量，Yes，但必须要声明，global 全局变量名

siwei = 99
def run():
    print('函数执行')
    print(siwei)# 调用全局变量，可以正常使用
run()

运行结果：

函数执行
99

siwei = 99
def run():
    print('函数执行')
    a = 88
    print(siwei)# 调用全局变量，可以正常使用
    return a #用返回值，返给全局变量result
result = run()
print(result)

运行结果：

函数执行
99
88

siwei = 99
def run():
    print('函数执行')
    a = 88
    print(siwei)# 调用全局变量，可以正常使用
    return a #用返回值，返给全局变量result
result = run()
print(result)

运行结果：

100

2.函数的调用详解

注意：

-- 函数必须先定义再调用

-- 不同函数定义的先后顺序无关

-- 函数体内可以调用函数自己本身，但一般不这样使用，容易出错

# 还没定义函数就直接调用，所以会报错
offer('lili',20,'辣条')
def eat(name,food):
    print('{} 最喜欢吃 {}'.format(name,food))
def offer(name,money,food):
    print('恭喜 {} 拿到 {}k offer'.format(name,money))
    eat(name,food)

运行结果：

# 一个函数当中是可以去调用另外一个函数的
def eat(name,food):
    print('{} 最喜欢吃 {}'.format(name,food))
def offer(name,money,food):
    print('恭喜 {} 拿到 {}k offer'.format(name,money))
    eat(name,food)
offer('lili',20,'辣条')

运行结果：

恭喜 lili 拿到 20k offer
lili 最喜欢吃 辣条

# 两个函数位置互换是不影响结果的
def offer(name,money,food):
    print('恭喜 {} 拿到 {}k offer'.format(name,money))
    eat(name,food)
def eat(name,food):
    print('{} 最喜欢吃 {}'.format(name,food))
offer('lili',20,'辣条')

运行结果：

恭喜 lili 拿到 20k offer
lili 最喜欢吃 辣条

可以通过Debug模式来详细查看一下代码的运行过程

offer 和 eat 函数第一行被执行，函数体里的代码不会被执行

当offer 被调用时，代码自动找offer函数，然后进入函数体内，然后执行eat 函数

代码自动找eat 函数，然后进入函数体

# 函数自己可以调用自己本身，但会报递归错误
def run():
    print('正在运行！')
    run()
run()

运行结果：

RecursionError: maximum recursion depth exceeded while calling a Python object

递归错误:调用Python对象时超过的最大递归深度

3.内置函数

enumrate()：获取列表的索引值与元素值

list1 = ['a','b',1,2]
for i in enumerate(list1):
    # 输入结果是数据类型是元组
    print(i)
for index,value in enumerate(list1):
    # 输出结果：索引值是int类型，元素值是什么数据类型就是什么类型
    print(index,value)

运行结果：

(0, 'a') ====> tuple
(1, 'b')
(2, 1)
(3, 2)
0 a ====> 0 int a str
1 b
2 1====> 2 int 1 int
3 2

eval()：去掉字符串两边的引号

string = '1 + 1'
string1 = '7.8 + 4.5'
string2 = '(1,2,3)'
print(string,type(string))
# 去掉引号，相当于变成了算数运算
print(eval(string),type(eval(string)))
print(eval(string1),type(eval(string1)))
# 去掉引号，相当于变成了元组
print(eval(string2),type(eval(string2)))

运行结果：

1 + 1 <class 'str'>
2 <class 'int'>
12.3 <class 'float'>
(1, 2, 3) <class 'tuple'>

zip()：用于将可迭代的对象作为参数，按索引号打包成一组一组

title = ['id','name','url']
row = ['1','lili','http://www.baidu1.com']
# zip迭代每一个元素，按索引号打包成一组，然后通过dict转换成字典
result = dict(zip(title,row))
print(result)
# 列表，元组都可以转换成字典
title1 = ('id','name','url')
row1 = ['2','lili','http://www.baidu2.com']
result1 =dict(zip(title1,row1))
print(result1)

运行结果：

{'id': '1', 'name': 'lili', 'url': 'http://www.baidu1.com'}
{'id': '2', 'name': 'lili', 'url': 'http://www.baidu2.com'}

a = [1,2,3]
b = ('a','b','c')
c = 'qaz'
result = dict(zip(a,c))
result1 = dict(zip(a,b))
result2 = dict(zip(b,c))
print(result)
print(result1)
print(result2)

运行结果：

{1: 'q', 2: 'a', 3: 'z'}
{1: 'a', 2: 'b', 3: 'c'}
{'a': 'q', 'b': 'a', 'c': 'z'}

sum(iterable[, start])：求和，求和的类型必须是数字

terable – 可迭代对象，如：列表(list)、元组(tuple)、集合(set)、字典(dict)

start – 指定相加的参数，如果没有设置这个值，默认为0

所以 sum(1,2,3) 是错误的，sum(必须是可迭代对象)

list1 = [2,3,4]
tuple1 = (1,1,1)
dict1= {60.5:'chinese',70:'math'}
set1 = {1,2,3}
print(sum(list1,1))#列表中2，3，4 加上start的值1
print(sum(tuple1))#元组中1，1，1加上默认start的值0
print(sum(dict1))#字典中相加的是key的值，key若不是数字会报错
print(sum(set1))#集合里必须是一层，不能嵌套其他层

运行结果：

10
3
130.5
6

max()：求最大值

min() ：求最小值

list1 = [1,2,3]
print(max(list1))
print(max(3,4,5))
print(min(list1))
print(min(4,5,6))

运行结果：

3
5
1
4

id()：查看内存地址

a = 10
b = 10
# 不可变类型（字符串，元组等），内存地址一样
print(id(a))
print(id(b))
# 可变类型（列表，字典），内存地址不一样
c = [1,2,3]
d = [1,2,3]
print(id(c))
print(id(d))

运行结果：

140716744443840
140716744443840
1975790732416
1975791019584

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注我们的更多内容！