本次讲解函数，由于内容比较多，小编列了个大纲，主要有一下内容：
1. 函数基本语法及特性
2. 函数参数
3.局部变量
4. 返回值
5.嵌套函数
6.递归
7.匿名函数
8.高阶函数
9.内置函数
1. 函数基本语法及特性
函数的定义：函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可
函数的特性：
- 减少重复代码
- 使程序变的可扩展
- 使程序变的易维护
函数的语法定义
直接上代码：
# def 是定义函数的关键字
def test():#test既是函数名
print(‘学习Python的第一个函数‘)
test() #调用函数
同时函数也可以带参数
a, b = 1, 3
# 带参函数
def test(x, y): # x 和 y 即是在我们调用函数时传入的参数
return x + y # 返回执行的结果
c = test(a, b) # 把函数返回结果赋值给 C
print(c)
2. 函数参数
在说函数参数前，大家需要了解一个知识点，形参 & 实参
何为形参？
既变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。
因此，形参只在函数内部有效，函数调用结束返回主调用函数后则不能再使用该形参变量
何为实参？
既可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。
因此应预先用赋值，输入等办法使参数获得确定值
这么说可能有些不理解，还是来个实例让大家更加清晰：
a, b = 1, 3
def test(x, y): # x 和 y 即是形参
return x + y
c = test(a, b) # a,b既是实参
print(c)
关键参数
上面的例子中，我们调用函数传参是根据函数的形参位置来传递的。
既 a 传给 x ，b 传给 y。这种叫做位置参数。
我们还可以使用关键参数，既传递的时候给函数的参数名传递你的值：
a, b = 1, 3
# 带参函数
def test(x, y):
return x + y
c = test(y=a, x=b)#这里把 a 传给 y ， b 传给 x
print(c)
这样参数就可以不用按照顺序传递，根据参数名传递给函数。
我们甚至可以把位置参数和关键参数同时使用：
a, b = 1, 3
def test(x, y):
return x + y
c = test(1, y=b)
print(c)
如果同时使用一定要注意：关键参数必须要放在位置参数的后面，并且已经传值的位置参数不能再用关键参数
下面是一些错误的用法：
c = test(x=a, b) #报错：TypeError: test() got multiple values for argument ‘x‘ c = test(a, x=b) #报错：TypeError: test() got multiple values for argument ‘x‘
默认参数
参数还可以设置一个默认值，这样我们在调用的时候既可以不传参给默认参数
def test(x, y, z=9): # 设置了 z 的默认值是 9
print(x + y + z)
test(1, 3)#如果我们第三个参数也就是z 不传的话，z的默认值就是9
test(1, 3, 10)#我们传了第三个参数，则 z 的值就变成10
非固定参数
所谓非固定参数就是可以传递任意个数的参数，比如你的函数在定义的时候不能确定用户想传入多少个参数，就可以使用
def test(*args): # 使用 *args, 这里args可以改成任意变量名，但是不建议这么做。
print(args)
test()
# 输出结果：()
test(1, 2)
# 输出结果：(1, 2)
test(1, 2, ‘承受‘, ‘Python‘)
# 输出结果：(1, 2, ‘承受‘, ‘Python‘)
调用函数可以传入任意个数的参数，然后转换成 元组 的形式
3.局部变量
局部变量：就是只能在局部使用的变量
name = ‘Cheng Shou‘
def change_name(name):
print(‘改变前：‘, name)
name = ‘承受‘
print(‘改变后：‘, name)
change_name(name)
print(‘在外面在看下name的值：‘, name)
#输出结果：
#改变前： Cheng Shou
#改变后： 承受
#在外面在看下name的值： Cheng Shou
从上面的例子大家发现了没？函数里面的name修改了，函数外面的name没有改变。
其实函数里面的name 就是局部变量，他并没有调用外部的name。
那函数里面就不能使用全局变量了吗？非要用也是可以的
name = ‘Cheng Shou‘
def change_name():
global name #在函数中使用global既可
print(‘改变前：‘, name)
name = ‘承受‘
print(‘改变后：‘, name)
change_name()
print(‘在外面在看下name的值：‘, name)
#输出结果：
#改变前： Cheng Shou
#改变后： 承受
#在外面在看下name的值： 承受
使用global 既可，我们的全局变量也被修改了。
当然不建议这么做。
全局变量与局部变量
在子程序中定义的变量称为局部变量，在程序的一开始定义的变量称为全局变量。
全局变量作用域是整个程序，局部变量作用域是定义该变量的子程序。
当全局变量与局部变量同名时：
在定义局部变量的子程序内，局部变量起作用；在其它地方全局变量起作用
4. 返回值
其实我们第一个例子中就有用到返回值，既 return 语句。return可以吧函数的执行结果返回
返回值记住两点：
1.函数在执行过程中只要遇到 return 语句就会停止函数的执行，并且返回结果。所以 return 语句出现就代表着函数结束
2.如果函数中未使用 return ，那函数执行完毕后，返回的值为 None
5.嵌套函数
顾名思义就是函数里面套函数，小编看到这个也是内心惊呼一声：python 果然牛掰
那么怎么套呢，上代码：
name = ‘Cheng Shou‘
def change_name():
name = ‘小承‘
def change_name2():
name = ‘小受‘
print(‘第三层：‘, name)
change_name2() # 调用内存函数
print(‘第二层：‘, name)
change_name()
print(‘最外层：‘, name)
#输出结果：
#第三层： 小受
#第二层： 小承
#最外层： Cheng Shou
神奇吧，一层套一层，跟俄罗斯套娃一样
至于这个嵌套函数什么作用，之后学习到装饰器的时候我们就知道了。
6.递归
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。
说白了，就是在函数里面调用自身函数
def subtraction(n):
print(n)
if n < 1:
return n
return subtraction(n-1)
subtraction(5)
#输出结果：
#5
#4
#3
#2
#1
#0
注意：python默认的递归深度是很有限的（默认是1000），因此当递归深度超过999的样子，就会引发这样的一个异常。
报错：RecursionError: maximum recursion depth exceeded while calling a Python object
如果你的业务需要递归深度超过1000，则需要修改递归深度的值
import sys sys.setrecursionlimit(10000)
导入sys模块，然后设置，需要多大就设置多大既可。
一般我们的业务代码不建议超过默认深度，否则代码性能不好。
在二分查找的时候，我们会用到递归，不过这讲到算法问题本篇就直接带过，后续有时间小编在写一篇算法相关的文章
递归特性:
1. 必须有一个明确的结束条件
2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
3. 递归效率不高，递归层次过多会导致栈溢出（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）
7.匿名函数
匿名函数就是不需要显式的指定函数
def test(n):
return n + 1
print(test(2))
# 上面的函数修改成匿名函数后
test = lambda n: n + 1
print(test(2))
一般匿名函数是和其它函数搭配使用的，如下
print(map(lambda x: x ** 2, [1, 2, 3, 4, 5]) ) #输出：[1, 4, 9, 16, 25]
8.高阶函数
变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。
简单的说就是把函数当做参数传递给另一个函数，在函数中调用传递过来的函数。
def add(x, y, func):
return func(x) + func(y)
def square(n):
return n ** 2
res = add(3, 6, square)
print(res)
这里把square函数，传递给了add ，并且在add中使用了 square函数。这便实现了高阶函数
9.内置函数
直接展示一张图，不做详解，大家使用到的时候在了解既可。
原文地址：https://www.cnblogs.com/yidaoge/p/12261561.html