《Python基础语法全体系》系列博文第五篇，本篇博文将详细深入地讲解Python的函数部分，包括函数基础部分：函数入门、函数参数和局部函数；之后讲解函数的高级内容；最后讲解Python的函数式编程，包括高阶函数、lambda、装饰器与偏函数四大部分。函数部分是Python基础中最为重要的部分，也是实现代码复用的基础。本文整理自疯狂python编程、廖雪峰的Python教程。
文章目录
函数是执行特定任务的一段代码，程序通过将一段代码定义成函数，并为该函数指定一个函数名，这样既可在需要的时候调用这段代码。因此，函数是代码复用的重要手段。
函数基础
定义函数和调用函数
在使用函数之前必须先定义函数，语法格式如下：
def 函数名（形参列表）:
// 由零条到多条可执行语句组成的函数
[return [返回值]]
下面是程序示例：
# 定义一个函数，声明2个形参
def my_max(x, y) :
# 定义一个变量z，该变量等于x、y中较大的值
z = x if x > y else y
# 返回变量z的值
return z
# 定义一个函数，声明一个形参
def say_hi(name) :
print("===正在执行say_hi()函数===")
return name + "，您好！"
a = 6
b = 9
# 调用my_max()函数，将函数返回值赋值给result变量
result = my_max(a , b) # 9
print("result:", result)
# 调用say_hi()函数，直接输出函数的返回值
print(say_hi("ZYZMZM"))
# 运行结果
result: 9
===正在执行say_hi()函数===
ZYZMZM，您好！
在函数体中使用return语句可以显式地返回一个值，return语句返回的值即可是有值的变量，也可是一个表达式。
例如上述程序中的my_max()函数，实际上可简写为如下形式：
def my_max(x, y):
return x if x > y else y
多个返回值
如果程序需要有多个返回值，则既可将多个值包装成列表之后返回，也可直接返回多个值。如果Python函数直接返回多个值，Python会自动将多个返回值封装成元组。
def sum_and_avg(list):
sum = 0
count = 0
for e in list:
# 如果元素e是数值
if isinstance(e, int) or isinstance(e, float):
count += 1
sum += e
return sum, sum / count
my_list = [20, 15, 2.8, 'a', 35, 5.9, -1.8]
# 获取sum_and_avg函数返回的多个值，多个返回值被封装成元组
tp = sum_and_avg(my_list)
print(tp) # (76.9, 12.816666666666668)
此外，可以使用Python提供的序列解包功能，直接使用多个变量接收函数返回的多个值。
# 使用序列解包来获取多个返回值
s, avg = sum_and_avg(my_list)
print(s) # 76.9
print(avg) # 12.816666666666668
函数参数
关键字参数
Python函数的参数名不是无意义的，Python允许在调用函数时通过名字来传入参数值。
按照形参位置传入的参数称为位置参数。如果使用位置参数的方式来传入参数值，则必须严格按照定义函数时指定的顺序来传入参数值；如果根据参数名来传入参数值，则无需遵守形参的顺序，这种方式被称为关键字参数。
# 定义一个函数
def girth(width , height):
print("width: ", width)
print("height: ", height)
return 2 * (width + height)
# 传统调用函数的方式，根据位置传入参数
print(girth(3.5, 4.8))
# 根据关键字参数来传入参数
print(girth(width = 3.5, height = 4.8))
# 使用关键字参数时可交换位置
print(girth(height = 4.8, width = 3.5))
# 部分使用关键字参数，部分使用位置参数
print(girth(3.5, height = 4.8))
如果希望在调用函数时混合使用关键字参数和位置参数，则关键字参数必须位于位置参数之后。
# 位置参数必须放在关键字参数之前，下面代码错误
print(girth(width = 3.5, 4.8))
参数默认值
在某些情况下，程序需要在定义函数时为一个或多个形参指定默认值——这样在调用函数时就可以省略为该形参传入参数值，而是直接使用该形参的默认值。
为形参指定默认值的语法格式：形参名 = 默认值。
# 为两个参数指定默认值
def say_hi(name = "ZYZMZM", message = "欢迎来到CSDN"):
print(name, ", 您好")
print("消息是：", message)
# 全部使用默认参数
say_hi()
# 只有message参数使用默认值
say_hi("ZY")
# 两个参数都不使用默认值
say_hi("JIMMY", "欢迎学习Python")
# 只有name参数使用默认值
say_hi(message = "欢迎学习Python")
# 运行结果
ZYZMZM , 您好
消息是： 欢迎来到CSDN
ZY , 您好
消息是： 欢迎来到CSDN
JIMMY , 您好
消息是： 欢迎学习Python
ZYZMZM , 您好
消息是： 欢迎学习Python
注意，Python规定：关键字参数必须位于位置参数的后面，因此下面的调用是错误的。
# 错误用法
say_hi(name = "ZY", "欢迎学习Python")
由于Python要求在带调用函数时关键字参数必须位于位置参数的后面，因此在定义函数时指定了默认值的参数（关键字参数）必须在没有默认值的参数之后。
# 定义一个打印三角形的函数，有默认值的参数必须放在后面
def printTriangle(char, height = 5) :
for i in range(1, height + 1) :
# 先打印一排空格
for j in range(height - i) :
print(' ', end = '')
# 再打印一排特殊字符
for j in range(2 * i - 1) :
print(char, end = '')
print()
printTriangle('@', 6)
printTriangle('#', height=7)
printTriangle(char = '*')
Python要求将带默认值的参数定义在形参列表的最后。
参数收集（个数可变参数）
Python允许在形参前面添加一个星号（*），这样就意味着该参数可以接收多个参数值，多个参数值被当成元组传入。
# 定义了支持参数收集的函数
def test(a, *blogs) :
print(blogs) # ('ZYZMZM-blog', 'JIMMY-blog')
# books被当成元组处理
for b in blogs :
print(b)
# 输出整数变量a的值
print(a) # 5
# 调用test()函数
test(5 , "ZYZMZM-blog" , "JIMMY-blog")
Python允许个数可变的形参可以处于形参列表的任意位置，但Python要求一个函数最多只能带一个支持“普通”参数收集的形参。
# 定义了支持参数收集的函数
def test(*blogs ,num) :
print(blogs) # ('ZYZMZM-blog', 'JIMMY-blog')
# books被当成元组处理
for b in blogs :
print(b)
print(num) # 20
# 调用test()函数
test("ZYZMZM-blog" , "JIMMY-blog", num = 20)
Python还可以收集关键字参数，此时Python会将这种关键字参数收集成字典。为了让Python能收集关键字参数，需要在参数前面添加两个星号。在这种情况下，一个函数可同时包含一个支持“普通”参数收集的形参和一个支持关键字参数收集的形参。
# 定义了支持参数收集的函数
def test(x, y, z=3, *blogs, **scores) :
print(x, y, z)
print(blogs)
print(scores)
test(1, 2, "ZYZMZM-blogs" , "JIMMY-blogs", 语文=89, 数学=94)
# 运行结果
1 2 3
('ZYZMZM-blogs', 'JIMMY-blogs')
{'语文': 89, '数学': 94}
逆向参数收集
所谓逆向参数收集，指的是在程序已有列表、元组、字典等对象的前提下，把它们的元素“拆开”后传给函数的参数。
逆向参数收集需要在传入的列表、元组参数之前添加一个星号，在字典参数之前添加两个星号。
def test(name, message):
print("用户是: ", name)
print("欢迎消息: ", message)
my_list = ['ZYZMZM', '欢迎来到CSDN']
test(*my_list)
# 运行结果
用户是: ZYZMZM
欢迎消息: 欢迎来到CSDN
即使是支持收集的参数，如果程序需要将一个元组传给该参数，那么同样要使用逆向收集。
def foo(name, *nums):
print("name参数: ", name)
print("nums参数: ", nums)
my_tuple = (1, 2, 3)
# 使用逆向收集，将my_tuple元组的元素传给nums参数
foo('blog', *my_tuple)
# 运行结果
name参数: blog
nums参数: (1, 2, 3)
也可以使用如下方法调用foo()函数：
# 使用逆向收集，将my_tuple元组的第一个元素
# 传给name参数，剩下参数传给nums参数
foo(*my_tuple)
# 运行结果
name参数: 1
nums参数: (2, 3)
如果不使用逆向收集，整个元组将会作为一个参数，而不是将元祖的元素作为多个参数。
# 不使用逆向收集，my_tuple元组整体传给name参数
foo(my_tuple)
# 运行结果
name参数: (1, 2, 3)
nums参数: ()
字典也支持逆向收集，字典将会以关键字参数的形式传入。
def bar(name, nums, desc):
print(name, " 博客的文章数量是: ", nums)
print('描述信息', desc)
my_dict = {'nums': 220, 'name': 'ZYZMZM-blog', 'desc': '这是一个技术博客'}
# 按逆向收集的方式将my_dict的多个key-value传给bar()函数
bar(**my_dict)
# 运行结果
ZYZMZM-blog 博客的文章数量是: 220
描述信息 这是一个技术博客
变量作用域
在程序中定义一个变量时，这个变量是有作用范围的，变量的作用范围被称为它的作用域。根据定义变量的位置，变量分为两种：
- 局部变量。在函数中定义的变量，包括参数，都被称为局部变量。
- 全局变量。在函数外面、全局范围内定义的变量，都被称为全局变量。
实际上，Python提供了如下三个工具函数来获取指定范围内的“变量字典”。
- globals()：该函数返回全局范围内所有变量组成的“变量字典”。
- locals()：该函数返回当前局部范围内所有变量组成的“变量字典”。
- vars(object)：获取在指定对象范围内所有变量组成的“变量字典”。如果不传入object参数，vars()和locals()的作用完全相同。
注意以下两点：
- 如果在全局范围内调用locals()函数，同样会获取全局范围内所有变量组成的“变量字典”；而globals()无论在哪里执行，总是获取全局范围内所有变量组成的“变量字典”。
- 不管是使用globals()还是使用locals()获取的全局范围内的“变量字典”，都可以被修改，而这种修改会真正改变全局变量本身；但通过locals()获取的局部范围内的“变量字典”，即使对它修改也不会影响局部变量。
def test ():
age = 20
# 直接访问age局部变量
print(age) # 输出20
# 访问函数局部范围的“变量数组”
print(locals()) # {'age': 20}
# 通过函数局部范围的“变量数组”访问age变量
print(locals()['age']) # 20
# 通过locals函数局部范围的“变量数组”改变age变量的值
locals()['age'] = 12
# 再次访问age变量的值
print('xxx', age) # 依然输出20
# 通过globals函数修改x全局变量
globals()['x'] = 19
x = 5
y = 20
print(globals()) # {..., 'x': 5, 'y': 20}
# 在全局访问内使用locals函数，访问的是全局变量的“变量数组”
print(locals()) # {..., 'x': 5, 'y': 20}
# 直接访问x全局变量
print(x) # 5
# 通过全局变量的“变量数组”访问x全局变量
print(globals()['x']) # 5
# 通过全局变量的“变量数组”对x全局变量赋值
globals()['x'] = 39
print(x) # 输出39
# 在全局范围内使用locals函数对x全局变量赋值
locals()['x'] = 99
print(x) # 输出99
全局变量默认可以在所有函数内被访问，如果在函数中定义了与全局变量同名的变量，就会发生局部变量遮蔽全局变量的情形。
name = 'JIMMY'
def test ():
# 直接访问name全局变量
print(name) # JIMMY
name = 'ZYZMZM'
test()
print(name) # JIMMY
上述程序会出现错误，原因是Python语法规定，在函数内部对不存在的变量赋值时，默认就是重新定义新的局部变量。
我们可以通过两种方式来修改上面的程序。
1、访问被遮蔽的全局变量
name = 'JIMMY'
def test ():
# 通过globals()函数访问name全局变量
print(globals()['name']) # JIMMY
name = 'ZYZMZM'
test()
print(name) # JIMMY
2、在函数中声明全局变量
name = 'JIMMY'
def test ():
# 声明name是全局变量，后面的赋值语句不会重新定义局部变量
global name
# 直接访问name全局变量
print(name) # JIMMY
name = 'ZYZMZM'
test()
print(name) # ZYZMZM
增加了global name声明之后，程序会把name变量当成全局变量，这意味着test()函数里面对name赋值的语句是对全局变量的赋值，而不是重新定义局部变量。
局部函数
前面所看到的函数都是在全局范围内定义的，它们都是全局函数，Python还支持在函数体内定义函数，被称为局部函数。
在默认情况下，局部函数对外部是隐藏的，局部函数只能在其封闭函数内有效，其封闭函数也可以返回局部函数，以便在其他作用域中使用局部函数。
# 定义函数，该函数会包含局部函数
def get_math_func(type, nn) :
# 定义一个计算平方的局部函数
def square(n) :
return n * n
# 定义一个计算立方的局部函数
def cube(n) :
return n * n * n
# 定义一个计算阶乘的局部函数
def factorial(n) :
result = 1
for index in range(2, n + 1) :
result *= index
return result
# 调用局部函数
if type == "square" :
return square(nn)
elif type == "cube":
return cube(nn)
else:
return factorial(nn)
print(get_math_func("square", 3)) # 输出9
print(get_math_func("cube", 3)) # 输出27
print(get_math_func("", 3)) # 输出6
如上面程序所示，如果封闭函数没有返回局部函数，那么局部函数只能在封闭函数内部使用。但是如果封闭函数将局部函数返回，且程序使用变量保存了封闭函数的返回值，那么这些局部函数的作用域就会被扩大，我们之后将会讲解。
局部函数内的变量也会遮蔽它所在函数内的局部变量。
def foo ():
# 局部变量name
name = 'ZYZMZM'
def bar ():
# 访问bar函数所在的foo函数的name局部变量
print(name) # ERROR
name = 'JIMMY'
bar()
foo()
该错误是由局部变量遮蔽局部变量导致的，在bar()函数中定义的name局部变量遮蔽了它所在foo()函数内的name局部变量，因此导致print(name)语句报错。
为了声明bar()函数中的name = 'JIMMY'赋值语句不是定义新的局部变量，只是访问它所在foo()函数内的name局部变量，Python提供了nonlocal关键字，通过nonlocal语句即可声明访问赋值语句只是访问该函数所在函数内的局部变量。
def foo ():
# 局部变量name
name = 'ZYZMZM'
def bar ():
nonlocal name
# 访问bar函数所在的foo函数的name局部变量
print(name) # ZYZMZM
name = 'JIMMY'
bar()
print(name) # JIMMY
foo()
nonlocal 和之前介绍的global功能大致相似，区别只是global用于声明访问全局变量，而nonlocal用于声明访问当前函数所在函数内的局部变量。
函数的高级内容
使用函数变量
Python的所有函数都是function对象，这意味着可以把函数本身赋值给变量，就像把整数、浮点数、列表、元组赋值给变量一样。
当把函数赋值给变量之后，接下来程序也可以通过该变量来调用函数。
# 定义一个计算乘方的函数
def pow(base, exponent) :
result = 1
for i in range(1, exponent + 1) :
result *= base
return result
# 将pow函数赋值给my_fun，则my_fun可当成pow使用
my_fun = pow
print(my_fun(3 , 4)) # 输出81
# 定义一个计算面积的函数
def area(width, height) :
return width * height
# 将area函数赋值给my_fun，则my_fun可当成area使用
my_fun = area
print(my_fun(3, 4)) # 输出12
通过对my_fun变量赋值不同的函数，可以让my_fun在不同的时间指向不同的函数，从而让程序更加灵活。
使用函数作为函数形参
Python支持像使用其他参数一样使用函数参数。
# 定义函数类型的形参，其中fn是一个函数
def map(data, fn) :
result = []
# 遍历data列表中每个元素，并用fn函数对每个元素进行计算
# 然后将计算结果作为新数组的元素
for e in data :
result.append(fn(e))
return result
# 定义一个计算平方的函数
def square(n) :
return n * n
# 定义一个计算立方的函数
def cube(n) :
return n * n * n
# 定义一个计算阶乘的函数
def factorial(n) :
result = 1
for index in range(2, n + 1) :
result *= index
return result
data = [3 , 4 , 9 , 5, 8]
print("原数据: ", data)
# 下面程序代码3次调用map()函数，每次调用时传入不同的函数
print("计算数组元素的平方")
print(map(data , square)) # [9, 16, 81, 25, 64]
print("计算数组元素的立方")
print(map(data , cube)) # [27, 64, 729, 125, 512]
print("计算数组元素的阶乘")
print(map(data , factorial)) # [6, 24, 362880, 120, 40320]
# 获取map的类型
print(type(map)) # <class 'function'>
使用函数作为返回值
Python还支持使用函数作为其他函数的返回值。
def get_math_func(type) :
# 定义一个计算平方的局部函数
def square(n) :
return n * n
# 定义一个计算立方的局部函数
def cube(n) :
return n * n * n
# 定义一个计算阶乘的局部函数
def factorial(n) :
result = 1
for index in range(2 , n + 1):
result *= index
return result
# 返回局部函数
if type == "square" :
return square
if type == "cube" :
return cube
else:
return factorial
# 调用get_math_func()，程序返回一个嵌套函数
math_func = get_math_func("cube") # 得到cube函数
print(math_func(5)) # 输出125
math_func = get_math_func("square") # 得到square函数
print(math_func(5)) # 输出25
math_func = get_math_func("other") # 得到factorial函数
print(math_func(5)) # 输出120
函数式编程
函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。
函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！我们之前在函数的高级内容中已经讲过。Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
高阶函数
高阶函数，就是让函数的参数能够接收别的函数。本部分我们主要介绍Python的内置函数。
接下来我们讲解map()和reduce()函数。首先来看map，map()函数接收两个参数：一个是函数、一个是可迭代对象Iterable。map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。
例如，我们有一个函数 ，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下：
def f(x):
return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(r)) # [1, 4, 9, 16, 25, 36, 49, 64, 81]
map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。
map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的 ，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串，只需要一行代码：
print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# ['1', '2', '3', '4', '5', '6', '7', '8', '9']
接下来了解一下reduce()的用法。reduce把一个函数作用在一个序列
上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
比方说把序列[1, 3, 5, 7, 9]变换成整数13579，就可以用reduce实现：
from functools import reduce
def change(x, y):
return x * 10 + y
print(reduce(change, [1,3,5,7,9])) # 13579
str也是一个序列，对上面的例子稍加改动，配合map()，我们就可以写出把str转换为int的函数：
from functools import reduce
def change(x, y):
return x * 10 + y
def digit(x):
digits = {'0':0, '1':1, '2':2, '3':3, '4':4, \
'5':5, '6':6, '7':7, '8':8, '9':9}
return digits[x]
print(reduce(change, map(digit, '13579'))) # 13579
整理成一个stoi的函数就是：
from functools import reduce
digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, \
'5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def stoi(s):
def change(x, y):
return x * 10 + y
def digit(x):
return digits[x]
return reduce(change, map(digit, s))
num = stoi('13579')
print(num, end=" ")
print(type(num)) # 13579 <class 'int'>
还可以使用lambda函数进一步简化成：
def stoi(s):
def digit(x):
return digits[x]
return reduce(lambda x,y:x*10+y, map(digit, s))
接下来我们介绍filter()函数，它的作用是用于过滤序列。
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
下面程序是在一个过滤掉一个list中所有的偶数：
def odd(x):
return x % 2 == 1
print(list(filter(odd, [1,2,3,4,5,6,7,8,9])))
# [1, 3, 5, 7, 9]
下面程序删掉一个序列中的所有空字符串：
def not_empty(s):
return s and s.strip()
print(list(filter(not_empty, ['A', '', 'B', None, 'C', ' '])))
# ['A', 'B', 'C']
filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
接下来我们使用filter实现筛选法求素数：
def _odd_iter():
n = 1
while True:
n += 2
yield n
def choose(n):
return lambda x:x % n > 0
def prime():
yield 2
it = _odd_iter()
while True:
n = next(it)
yield n
it = filter(choose(n), it)
for n in prime():
if n < 100:
print(n, end=" ")
else:
break
上述程序中我们使用到了生成器的概念，在Python中，一边循环一边计算的机制，称为生成器：generator。
我们之前讲过，要创建一个generator，有很多种方法。最简单的是把一个列表生成式的[]改成()，就创建了一个generator。我们需要通过next()函数获得generator的下一个返回值。
如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。
最难理解的就是generator和函数的执行流程不一样：函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
Lambda表达式
当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。
在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 时，除了定义一个 的函数外，还可以直接传入匿名函数：
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# [1, 4, 9, 16, 25, 36, 49, 64, 81]
通过对比可以看出，匿名函数lambda x: x * x实际上就是：
def f(x):
return x * x
关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：
f = lambda x: x * x
print(f(5)) # 25
同样，也可以把匿名函数作为返回值返回，比如：
def build(x, y):
return lambda: x * x + y * y
函数装饰器
装饰器(Decorators)是 Python 的一个重要部分。简单地说：它们是修改其他函数的功能的函数。
使用@符号引用已有的函数后，可用于修饰其他函数，装饰被修饰的函数。当程序使用“@函数”装饰另一个函数时，实际上完成如下两步：
- 将被修饰的函数作为参数传给@符号引用的函数
- 将被修饰的函数装饰（替换）成第一步的返回值
被“@函数”修饰的函数不再是原来的函数，而是被替换成一个新的东西。
def funA(fn):
print('A')
fn() # 执行传入的fn参数
return 'blog'
'''
下面装饰效果相当于：funA(funB)，
funB将会替换（装饰）成该语句的返回值；
由于funA()函数返回blog，因此funB就是blog
'''
@funA
def funB():
print('B')
print(funB) # blog
上述程序使用@funA修饰funB，这意味着程序要完成两步操作。
- 将funB作为funA()的参数，也就是执行
funA(funB) - 将funB替换成第一步执行的结果，由于funA()执行完毕后返回blog，因此funB就不再是函数，而是被替换成一个字符串。
被修饰的函数总是被替换成@符号引用的函数的返回值，因此被修饰的函数会变成什么样，完全是由于@符号所引用的函数的返回值所决定的，如果@符号所引用的函数的返回值是函数，那么被修饰的函数在替换之后还是函数。
def foo(fn):
# 定义一个嵌套函数
def bar(*args):
print("===1===", args)
n = args[0]
print("===2===", n * (n - 1))
# 查看传给foo函数的fn函数
print(fn.__name__)
fn(n * (n - 1))
print("*" * 15)
return fn(n * (n - 1))
return bar
'''
下面装饰效果相当于：foo(my_test)，
my_test将会替换（装饰）成该语句的返回值；
由于foo()函数返回bar函数，因此my_test就是bar
'''
@foo
def my_test(a):
print("==my_test函数==", a)
# 打印my_test函数，将看到实际上是bar函数
print(my_test) # <function foo.<locals>.bar at 0x00000000021FABF8>
# 下面代码看上去是调用my_test()，其实是调用bar()函数
my_test(10)
my_test(6, 5)
# 运行结果
<function foo.<locals>.bar at 0x000001857EA52430>
===1=== (10,)
===2=== 90
my_test
==my_test函数== 90
***************
==my_test函数== 90
===1=== (6, 5)
===2=== 30
my_test
==my_test函数== 30
***************
==my_test函数== 30
上述程序定义了一个装饰器函数foo，该函数执行完成后并不是返回普通值，而是返回bar函数（这是关键），这意味着被该@foo修饰的函数最终都会被替换成bar函数。
通过@符号来修饰函数是Python的一个非常实用的功能，它既可以在被修饰函数的前面添加一些额外的处理逻辑（比如权限检查），也可以在被修饰函数的后面添加一些额外的处理逻辑（比如记录日志），还可以在目标方法抛出异常时进行一些修复操作。
上面介绍的这种在被修饰函数之前、之后、抛出异常后增加某种处理逻辑的方式，就是其他编程语言中的AOP。
下面示例了如何通过函数装饰器为函数添加权限检查的功能。
def auth(fn):
def auth_fn(*args):
# 用一条语句模拟执行权限检查
print("----模拟执行权限检查----")
# 回调要装饰的目标函数
fn(*args)
return auth_fn
@auth
def test(a, b):
print("执行test函数,参数a: %s, 参数b: %s" % (a, b))
# 调用test()函数,其实是调用装饰后返回的auth_fn函数
test(20, 15)
# 运行结果
----模拟执行权限检查----
执行test函数,参数a: 20, 参数b: 15
上面程序使用@auth修饰了test()函数，这会使得test()函数被替换成auth()函数所返回的auth_fn函数，而auth_fn函数的执行流程是：① 先执行权限检查；②回调被修饰的目标函数。简单来说，auth_fn函数就是为被修饰函数添加了一个权限检查的功能。
偏函数 partial function
Python的 模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。。
偏函数，是一种高级的函数形式。简单来说，偏函数其实就是没有定义好明确的输入参数的函数。
functools.partial(func, *args,**keywords)：该函数用于为func函数的部分参数指定参数从而得到一个转换后的函数，程序以后调用转换后的函数时，就可以少传入那些已指定的参数。
在介绍函数参数的时候，我们讲到，通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。举例如下：
int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换，如果传入base参数，就可以做N进制的转换：：
print(int('12345')) # 12345
print(int('12345', base=16)) # 74565
假设要转换大量的二进制字符串，我们可以定义一个int2()的函数，默认把base=2传进去：
def int2(x, base=2):
return int(x, base)
就是帮助我们创建一个偏函数的，我们可以直接使用下面的代码创建一个新的函数int2()：
import functools
int2 = functools.partial(int, base = 2)
print(int2('1000')) # 8
print(int2('1011')) # 11
简单总结 的作用就是：把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：
print(int2('1a2b', base = 16)) # 6699
最后，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：
int2 = functools.partial(int, base=2)，
实际上固定了int()函数的关键字参数base，也就是：
int2('10010')
相当于：
kw = { 'base': 2 }
int('10010', **kw)
当传入：max2 = functools.partial(max, 10)，实际上会把10作为*args的一部分自动加到左边，也就是：
max2(5, 6, 7)
相当于：
args = (10, 5, 6, 7)
max(*args) # 10
当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。
