一个菜鸡的挣扎
就总结下
and 如果有大佬不小心看到了发现了错误，就欢迎指正
6.1懒惰是一种美德
通过创建函数以调用之可以减少代码量
6.2 抽象和结构
抽象是程序能够被人理解的关键所在（无论对编写程序还是阅读来说，这都至关重要）
函数封装了人不需要关心的实现细节，从而更容易被使用和理解
6.3 自定义函数
6.3.1 给函数编写文档
在def后面添加字符串，相当于给整个函数添加注释，以确保被人理解
_doc _是函数的一个属性，可用它来访问函数的文档字符串
我自己的练习：
def lalala(x):
"""就瞎写的"""
print(x)
print(lalala.__doc__)
结果：
这里书上说用单引号，但是pycharm中会有提示，要让用连续的三个双引号
help()函数可访问有关函数的信息，其中会包含函数的文档字符串
In [1]: help(round)
Help on built-in function round in module builtins:
round(...)
round(number[, ndigits]) -> number
Round a number to a given precision in decimal digits (default 0 digits).
This returns an int when called with one argument, otherwise the
same type as the number. ndigits may be negative.
6.3.2 其实并不是函数的函数
就是有的函数没有return 或者return后面没有指定值，这么做将会返回None
6.4 参数魔法
6.4.1 值从哪里来 略
6.4.2 我能修改参数吗
可变参数可以，不可变参数不可以
如果不想让可变参数的值在调用函数后发生变化，可以向函数中传递切片或者用copy()传递副本（如果有copy()的话）
自己的练习：
def change(n):
n[0] = 'a'
x = [1, 2, 3]
change(x)
print(x)
结果;
change(x[:])
print(x)
结果：
change(x.copy())
print(x)
结果：
如果想让不可变参数发生变化，可以使之重新指向返回的值，或者干脆把它放在列表中
6.4.3 关键字参数和默认值
这个部分之前看过了，少总结下
像这种用名称指定的参数称为关键字参数，主要优点是有助于澄清各个参数的作用。
关键字参数在传入时的顺序与定义时的不一样也没关系，反正有关键字程序不会认错
可以为关键字参数设置默认值，如果在调用该参数没有传入，就使用默认值
位置参数不可定义在关键字参数后面！
6.4.4 收集参数
带星号的参数会收集多余的值，放在元组中
一个星号不会收集关键字参数！若想收集，可带两个星号，这样会得到字典而非数组
位置参数最好不要放在星号参数后面，虽然指定名称也可以调用
6.4.5 收集参数
类似于序列解包，可大致理解为与收集参数相反的操作
6.5 作用域
- vars()函数 ，返回作用域中看不见的字典，最好不要使用它修改字典中的值，因为其结果是不确定的
- 在函数中读取全局变量而非访问它，一般不会造成任何问题，但这样通常会不小心写出Bug
- 如果局部变量与全局变量重名，必要时可使用globals（）['变量名']来访问它，globals()类似于vars（），也返回一个字典
- 在函数中定义变量时，可在前面加入global 来声明它是全局变量
- 作用域嵌套，可在函数中再定义函数，并用return返回这个函数
在函数中访问全局变量：
# 在函数中访问全局变量
y = '全局'
def test(x):
print(x+y)
test('局部')
如果局部变量与全局变量重名：
# 如果局部变量与全局变量重名
y = '全局'
def test(y):
print(y+globals()['y'])
test('局部')
结果同上
重新关联全局变量:
# 重新关联全局变量
y = '全局'
def test():
global y
y = '我变了'
test()
print(y)
关于作用域嵌套：
In [2]: def first(x):
...: def second(y):
...: return y**x
...: return second
...: fun = first(2)
...: fun(2)
Out[2]: 4
6.6 递归
这个就不了
函数式编程
- 主要说了map，filter，reduce，lambda
- 在较新的python版本中，可以用列表推导代替map和filter
- map:对列表中所有元素执行函数
In [3]: list(map(str,range(10)))
Out[3]: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
In [4]: # 与下面等价
In [5]: [str(i) for i in range(10)]
Out[5]: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
- filter: 对序列中元素执行函数，若为结果真，把它添加到最终要返回的列表中
In [6]: def fun(x):
...: return x.isalnum()
...: list(filter(fun,['fdas','fdsa3','1*&']))
Out[6]: ['fdas', 'fdsa3']
# 与[x for x in [....] if x.isalnum] 等价
- reduce: 这个还是看例子
In [1]: from functools import reduce
In [2]: reduce(lambda x,y: x+y, [1,2,3,4,5,6,7,8,9])
Out[2]: 45
lambda的作用很明显了
总结
抽象、函数定义、函数传参、作用域、函数式编程（主要是函数式编程工具，用以代替定义函数）
完了，希望不是在做无用功