Python函数实战12题：从基础到高阶技巧-代码聚汇网

Python函数实战12题：从基础到高阶技巧

Pinxian Li

1. Python函数精练12题：从入门到精通的实战指南

作为Python最基础也最重要的组成部分，函数是每位开发者必须掌握的技能。这12道精心设计的题目覆盖了函数定义、参数传递、作用域、闭包、装饰器等核心知识点，特别适合已经学完基础语法但缺乏实战经验的开发者。我在教学过程中发现，很多初学者看懂了函数概念却不会灵活运用，这套练习题正是为了解决这个痛点而设计的。

2. 函数基础与参数传递

2.1 函数定义与调用

Python使用def关键字定义函数，函数名应使用小写字母和下划线的组合。一个规范的函数定义应该包含文档字符串(docstring)，这是Python特有的文档规范。

python复制def calculate_area(radius):
    """计算圆的面积
    
    参数:
        radius (float): 圆的半径
        
    返回:
        float: 圆的面积
    """
    return 3.14159 * radius ** 2

注意：函数定义时缩进必须一致，通常使用4个空格。混合使用空格和制表符会导致IndentationError。

2.2 参数传递机制

Python的参数传递是"对象引用传递"，对于可变对象（如列表、字典）和不可变对象（如数字、字符串）表现不同：

python复制def modify_list(lst):
    lst.append(4)  # 会修改原始列表
    lst = [7,8,9]  # 不会影响原始列表

my_list = [1,2,3]
modify_list(my_list)
print(my_list)  # 输出: [1,2,3,4]

3. 函数进阶特性

3.1 默认参数与可变参数

默认参数必须指向不可变对象，否则可能产生意外行为：

python复制# 错误示范
def add_item(item, items=[]):
    items.append(item)
    return items

print(add_item(1))  # [1]
print(add_item(2))  # [1,2] 不是预期的[2]

# 正确写法
def add_item(item, items=None):
    if items is None:
        items = []
    items.append(item)
    return items

可变参数(*args和**kwargs)让函数更灵活：

python复制def logger(func):
    def wrapper(*args, **kwargs):
        print(f"调用{func.__name__}，参数: {args}, {kwargs}")
        return func(*args, **kwargs)
    return wrapper

3.2 闭包与装饰器

闭包是指内部函数引用了外部函数的变量：

python复制def make_multiplier(factor):
    def multiplier(x):
        return x * factor
    return multiplier

double = make_multiplier(2)
print(double(5))  # 输出10

装饰器是Python的重要特性，常用于日志、计时、权限检查等：

python复制import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__}执行耗时: {end-start:.4f}秒")
        return result
    return wrapper

4. 12道精选题解析

4.1 基础题组

编写一个函数，接受两个数字参数，返回它们的和与差的元组
实现一个计算阶乘的递归函数
编写函数检查字符串是否是回文

python复制# 第3题解答
def is_palindrome(s):
    s = ''.join(filter(str.isalnum, s)).lower()
    return s == s[::-1]

4.2 中级题组

实现map函数的简化版my_map
编写生成斐波那契数列的生成器函数
实现一个记忆化装饰器，缓存函数结果

python复制# 第6题解答
def memoize(func):
    cache = {}
    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return wrapper

4.3 高级题组

实现参数类型检查装饰器
编写支持链式调用的类装饰器
创建上下文管理器装饰器

python复制# 第9题解答
from contextlib import ContextDecorator

class log_time(ContextDecorator):
    def __enter__(self):
        self.start = time.time()
        return self
        
    def __exit__(self, *exc):
        print(f"耗时: {time.time()-self.start:.4f}秒")
        return False

4.4 综合应用题

实现简单的路由装饰器
构建管道式数据处理函数
设计带状态保存的装饰器

python复制# 第12题解答
def stateful_decorator(func):
    func.call_count = 0
    def wrapper(*args, **kwargs):
        func.call_count += 1
        print(f"这是第{func.call_count}次调用")
        return func(*args, **kwargs)
    return wrapper

5. 常见问题与调试技巧

5.1 作用域问题

新手常遇到UnboundLocalError，通常是因为在函数内修改了全局变量：

python复制count = 0

def increment():
    global count  # 必须声明global
    count += 1

5.2 装饰器陷阱

装饰器会改变函数的元信息，使用functools.wraps可以保留原始信息：

python复制from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        return func(*args, **kwargs)
    return wrapper

5.3 性能优化

对于递归函数，记忆化可以大幅提升性能。以斐波那契数列为例：

python复制@memoize
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

6. 实战建议与扩展学习

在实际项目中，函数应该保持单一职责原则，每个函数只做一件事。我建议：

函数长度控制在50行以内
参数不超过5个，过多考虑使用对象封装
为公共函数编写完整的文档字符串
使用类型注解提高代码可读性

python复制from typing import List, Tuple

def process_data(data: List[str]) -> Tuple[int, float]:
    """处理字符串数据
    
    参数:
        data: 字符串列表
        
    返回:
        包含处理结果数量和平均值的元组
    """
    count = len(data)
    avg = sum(len(s) for s in data) / count
    return count, avg

掌握函数式编程技巧能让代码更简洁：

python复制from functools import partial

# 创建固定参数的函数版本
pow_of_2 = partial(pow, exp=2)
print(pow_of_2(5))  # 25