带有默认值的参数必须位于不含默认值的参数后面

函数默认值

函数默认参数

  1. def printme(name,age=15 ):
  2.    print (name,age)
  3. print(printme('name',233))
  5. >>> printme('name',233)
  6. name 233

保持好习惯，函数传入值时尽量 带上变量名，易读的同时也不用管参数传入的顺序了

  1. def printme(name='zhangsan',age=15 ):
  2.        print (name,age)
  3. print(printme(age=23))
  5. >>> zhangsan 23

一些坑

  1. >>> def add_test(L=[]):
  2.     L.append('end')
  3.     return L
  6. >>> add_test([1,2,3])
  7. [1, 2, 3, 'end']
  9. >>> add_test()
  10. ['end']
  11. >>> add_test()
  12. ['end', 'end']
  13. >>> add_test()
  14. ['end', 'end', 'end']

很多初学者很疑惑，默认参数是[]，但是函数似乎每次都“记住了”上次添加了’END’后的list。
原因解释如下：
Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。

定义默认参数要牢记一点：默认参数必须指向不变对象！
要修改上面的例子，我们可以用None这个不变对象来实现：

  1. def add_end(L=None):
  2.     if L is None:
  3.         L = []
  4.     L.append('END')
  5.     return L

现在，无论调用多少次，都不会有问题：

  1. >>> add_end()
  2. ['END']
  3. >>> add_end()
  4. ['END']

为什么要设计str、None这样的不变对象呢？因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一 点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

函数是否会改变传入变量的值？

  • 对于不可变类型的参数，函数无法改变其值，如python标准数据类型中的字符串、数字、元组
  • 对可变数据类型的参数，函数可以改变其值，如python标准数据类型中的列表、字典、集合

例子:

  1. >>> def change_nothing(var):
  2.     var="changed"
  5. >>> def change_mabe(var):
  6.     var.append('new value')
  8. #传入参数为字符串，param1的值不会改变
  9. >>> param1="hello"
  10. >>> change_nothing(param1)
  11. >>> param1
  12. 'hello'
  14. #传入参数为字符串，param1的值不会改变
  15. >>> param2=["value"]
  16. >>> change_mabe(param2)
  17. >>> param2
  18. ['value', 'new value']

递归函数

https://www.liaoxuefeng.com/wiki/1016959663602400/1017268131039072
在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

举个例子，我们来计算阶乘n! = 1 x 2 x 3 x ... x n，用函数fact(n)表示，可以看出：

fact(n)=n!=1\times2\times3\times\cdot\cdot\cdot\times(n-1)\times n=(n-1)!\times n=fact(n-1)\times nfact(n)=n!=1×2×3×⋅⋅⋅×(n−1)×n=(n−1)!×n=fact(n−1)×n

所以，fact(n)可以表示为n x fact(n-1)，只有n=1时需要特殊处理。

于是，fact(n)用递归的方式写出来就是：

  1. def fact(n):
  2.     if n==1:
  3.         return 1
  4.     return n * fact(n - 1)

上面就是一个递归函数。可以试试：

  1. >>> fact(1)
  2. 1
  3. >>> fact(5)
  4. 120
  5. >>> fact(100)
  6. 93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000

如果我们计算fact(5)，可以根据函数定义看到计算过程如下：

  1. ===> fact(5)
  2. ===> 5 * fact(4)
  3. ===> 5 * (4 * fact(3))
  4. ===> 5 * (4 * (3 * fact(2)))
  5. ===> 5 * (4 * (3 * (2 * fact(1))))
  6. ===> 5 * (4 * (3 * (2 * 1)))
  7. ===> 5 * (4 * (3 * 2))
  8. ===> 5 * (4 * 6)
  9. ===> 5 * 24
  10. ===> 120

递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。可以试试fact(1000)：

  1. >>> fact(1000)
  2. Traceback (most recent call last):
  3.   File "<stdin>", line 1, in <module>
  4.   File "<stdin>", line 4, in fact
  5.   ...
  6.   File "<stdin>", line 4, in fact
  7. RuntimeError: maximum recursion depth exceeded in comparison

解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

上面的fact(n)函数由于return n * fact(n - 1)引入了乘法表达式，所以就不是尾递归了。要改成尾递归方式，需要多一点代码，主要是要把每一步的乘积传入到递归函数中：

  1. def fact(n):
  2.     return fact_iter(n, 1)
  4. def fact_iter(num, product):
  5.     if num == 1:
  6.         return product
  7.     return fact_iter(num - 1, num * product)

可以看到，return fact_iter(num - 1, num * product)仅返回递归函数本身，num - 1和num * product在函数调用前就会被计算，不影响函数调用。

fact(5)对应的fact_iter(5, 1)的调用如下：

  1. ===> fact_iter(5, 1)
  2. ===> fact_iter(4, 5)
  3. ===> fact_iter(3, 20)
  4. ===> fact_iter(2, 60)
  5. ===> fact_iter(1, 120)
  6. ===> 120

尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。

遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。

小结

使用递归函数的优点是逻辑简单清晰，缺点是过深的调用会导致栈溢出。

针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的，没有循环语句的编程语言只能通过尾递归实现循环。

Python标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题。