一、函数定义基础

1. 函数结构

def 函数名(参数列表):
    """文档字符串（可选）"""
    函数体
    return 返回值  # 可选

• def关键字：函数声明的起始标识
• 命名规范：推荐使用下划线命名法（如calculate_average）
• 文档字符串：通过函数名.__doc__可查看说明文档

2. 参数类型详解

• 位置参数：必须按顺序传递

  def power(base, exponent):
      return base ** exponent

• 关键字参数：明确指定参数名，可打乱顺序

  power(exponent=3, base=2)  # 输出8

• 默认参数：参数可省略时使用默认值

  def greet(name="访客"):
      print(f"欢迎, {name}!")

• 可变参数：处理不确定数量参数

  def sum_all(*numbers):  # 元组形式接收
      return sum(numbers)

---

二、函数高级特性

1. 作用域与命名空间

• LEGB规则：查找顺序为 Local → Enclosed → Global → Built-in
• global关键字：修改全局变量

  count = 0
  def increment():
      global count
      count += 1

• nonlocal关键字：修改外层嵌套函数的变量

  def outer():
      x = 10
      def inner():
          nonlocal x
          x = 20

2. 返回值机制

• 可返回多个值（实质返回元组）

  def circle_cal(r):
      area = 3.14*r**2
      perimeter = 2*3.14*r
      return area, perimeter

3. 异常处理结合

def safe_divide(a, b):
    try:
        return a / b
    except ZeroDivisionError:
        print("除数不能为零！")
        return None

---

三、模块化编程实践

1. 模块创建规范

• 创建math_utils.py文件：

  """数学工具模块（文档字符串）"""

  def average(*nums):
      return sum(nums)/len(nums)

  if __name__ == "__main__":  # 模块自测试
      print("模块测试：", average(85, 90, 78))

2. 模块导入方式

导入方式	示例	特点
完整导入	import math_utils	需通过模块名调用
指定导入	from math_utils import average	直接使用函数名
别名导入	import pandas as pd	解决长模块名问题
全量导入（慎用）	from module import *	易导致命名空间污染

3. 包(Package)组织

• 目录结构示例：

  mypackage/
  ├── __init__.py
  ├── utils.py
  └── config.py

• __init__.py文件作用：
• 标识Python包目录
• 初始化包级变量
• 控制import *的行为

---

四、综合项目案例

学生管理系统模块化重构

1. 数据模块（data.py）：

students = [
       {"id": 1001, "scores": [85, 92]},
       {"id": 1002, "scores": [78, 88]}
   ]
  . **计算模块**（calc.py）：

python
def average_score(scores):
return sum(scores)/len(scores)

3. **主程序**（main.py）：

python
from data import students
from calc import average_score

for stu in students:
print(f"学号{stu['id']} 均分：{average_score(stu['scores']):.1f}")
```

---

五、最佳实践建议

函数设计原则：

• 单一职责原则（每个函数只做一件事）
• 参数数量建议不超过5个
• 函数长度控制在50行以内

模块化优势：

• 代码复用率提升40%+（据Python官方统计）
• 调试效率提高（可单独测试模块）
• 团队协作更高效（模块分工明确）