温故知新：从字符到函数的进阶之路
在上一节的学习旅程中，我们深入探索了Python中字符串的奇妙世界。我们不仅掌握了字符串的索引与切片操作，学会了如何像手术刀一样精准地提取数据，还熟悉了各种实用的内置方法，如大小写转换、查找替换以及去除空白字符等。特别是通过split()和join()的灵活运用，我们打通了字符串与列表之间转换的通道，为数据处理打下了坚实的基础。
如果说字符串是构建信息大厦的“砖块”，那么今天我们要学习的函数，就是将砖块砌成高楼大厦的“起重机”。掌握了字符串，我们拥有了处理文本的能力；而掌握了函数，我们将拥有组织代码、构建逻辑、实现复用的力量。
让我们带着对字符串操作的记忆，正式开启Python函数篇的学习，看看如何通过封装与调用，让代码变得更加优雅与强大。
最近在学习Python的过程中，函数（Function）无疑是最重要的部分之一。通过将代码封装成函数，我们不仅能解决代码冗余问题，还能大幅提升代码的可读性和维护效率。
今天我将结合我的学习笔记，带大家系统梳理Python函数的核心知识点，包括函数嵌套、匿名函数、回调函数以及常见的算法练习。
📚 目录
- 函数基础与参数详解
- 函数的嵌套调用
- 匿名函数 (Lambda)（重要） 与高阶函数
- 回调函数的应用(了解)
- 经典算法实战练习
1. 函数基础与参数详解
在Python中，函数是对特定功能的封装。定义函数使用def关键字。
核心特点：
- 复用性：解决代码重复问题。
- 返回值：使用
return结束函数并返回数据。若不写return，默认返回None。 - 在同一个文件中，出现重名的函数，后面的函数会将前面的函数覆盖，调用的时候执行后面的函数。
- 函数必须先定义，后调用，调用在定义的下面。
参数的四种类型：
| 参数类型 | 说明 | 代码示例 |
|---|---|---|
| 必需/位置参数 | 必须按顺序传参，数量一致 | def func(a, b): ... |
| 默认参数 | 定义时有默认值，调用时可选传 | def func(a, b=10): ... |
| 关键字参数 | 调用时通过key=value形式传参 | func(name='Tom', age=18) |
| 不定长参数 | 接收任意多个参数 (*args元组,**kwargs字典) | def func(*args, **kwargs): ... |
注意：参数定义的顺序通常为：位置参数 ->*args-> 默认参数 ->**kwargs。
2. 函数的嵌套调用
函数之间可以相互嵌套调用，即在一个函数中调用另一个函数。这在处理复杂逻辑时非常有用，可以将大问题拆解为小问题。
原理：只要是指向该函数的变量，就可以调用该函数。函数名本质上是指向函数对象的变量。
代码演示：
def test(): test1() # 调用 test1 print(1) def test1(): test2() # 调用 test2 print(2) def test2(): test3() # 调用 test3 print(3) def test3(): print(4) # 调用入口 test() # 输出结果： # 4 # 3 # 2 # 13. 匿名函数 (Lambda) （重要）与高阶函数
Lambda是一种简洁的创建函数的方式，它没有函数名，自带return，通常用于表示简单的逻辑。
语法：lambda 参数: 表达式
常用场景：Lambda 常与高阶函数map和filter配合使用。
- Map (映射)：对列表中的每个元素做批量处理。
- Filter (过滤)：找出列表中符合要求的数据。
代码演示：
# 普通函数 vs 匿名函数 # def square(x): return x ** 2 f2 = lambda x: x ** 2 print(f2(5)) # 输出: 25 # Map: 对列表 [1,2,3] 的每个元素进行 x**4 运算 n_map = map(lambda x: x ** 4, [1, 2, 3]) print(list(n_map)) # 输出: [1, 16, 81] # Filter: 从列表中筛选出偶数 n_filter = filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5, 6]) print(list(n_filter)) # 输出: [2, 4, 6]4. 回调函数 (Callback)（了解）
回调函数是指将函数作为参数传入另一个函数中。这在排序（sort）或事件处理中非常常见。
应用场景：在列表排序中，通过key参数传入一个函数，告诉排序规则依据什么进行。
代码演示：
# 假设有一个学生信息列表 students = [ {'name': '张三', 'age': 18, 'score': 50}, {'name': '李四', 'age': 16, 'score': 88}, {'name': '王五', 'age': 17, 'score': 48} ] # 按照年龄升序排序 students.sort(key=lambda x: x['age']) print("按年龄排序:", students) # 按照成绩降序排序 (reverse=True 表示降序) students.sort(key=lambda x: x['score'], reverse=True) print("按成绩排序:", students)5. 经典算法实战练习
为了巩固函数的使用，我整理了几个常见的算法练习题。
1. 判断闰年
def is_leap_year(year): """判断是否为闰年""" return (year % 4 == 0 and year % 100 != 0) or (year % 400 == 0) print(is_leap_year(2020)) # True2. 判断质数
def is_prime(n): """判断是否为质数""" if n <= 1: return False for i in range(2, n): if n % i == 0: return False return True print(is_prime(10)) # False print(is_prime(11)) # True3. 水仙花数水仙花数是指一个 3 位数，它的每个位上的数字的 3次幂之和等于它本身。
def find_narcissistic(): """获取所有的水仙花数""" result = [] for i in range(100, 1000): a = i // 100 # 百位 b = i // 10 % 10 # 十位 c = i % 10 # 个位 if a**3 + b**3 + c**3 == i: result.append(i) return result print("水仙花数:", find_narcissistic())代码运行截图为：
4. 回文数判断
def is_palindrome(n): """判断是否为回文数""" return str(n)[::-1] == str(n) print(is_palindrome(12321)) # True5.封装一个函数，获取多个数中的最小值，最大值，和，以及平均值
def fn2(*args): m = min(*args) n = max(*args) s = sum(*args) avg = s / len(*args) print(f"最大值是{m}, 最小值是{n}, 和是{s}, 平均值是{avg:.2f}") fn2((1, 5, 41, 15, 18, 66, 25)) def fn2(*args): return min(args), max(args), sum(args), sum(args) / len(args) print(fn2(1, 5, 41, 15, 18, 66, 25))这段代码运行结果如图：
💡 总结
本文系统梳理了 Python 函数的核心知识体系，从基础定义到高阶应用，再到算法实战。
- 掌握参数艺术：深入理解位置参数、默认参数及不定长参数（
*args/**kwargs），让函数定义更灵活。 - 运用高阶思维：学会使用
lambda匿名函数配合map、filter及回调机制，实现代码的极简与高效。 - 强化逻辑实战：通过闰年判断、水仙花数等经典算法练习，巩固函数嵌套调用与模块化编程思想。
写在最后：致正在进阶的你
当你敲下最后一行代码，看着控制台输出正确的结果时，恭喜你，你已经拿到了通往Python高阶世界的钥匙。
回顾这一路走来的历程，从最初对列表(list)的生疏，到如今能熟练驾驭*args和**kwargs；从面对复杂逻辑时的无从下手，到学会用函数将庞大的问题拆解为一个个精致的模块。你学到的不仅仅是语法，更是一种“化繁为简”的编程智慧。
请记住，函数是代码世界的积木。现在的你，已经不再是一个只会堆砌代码的泥瓦匠，而是一名懂得如何设计蓝图、如何复用组件的建筑师。lambda的简洁、回调的灵活、嵌套的精妙，这些工具赋予了你的代码生命力。
不要停下敲击键盘的手，去尝试用函数去封装你的奇思妙想，去解决真实世界的问题。愿你的每一行代码都逻辑清晰，愿你的每一次调用都掷地有声。
希望这篇博客对你有所帮助！如果你也在学习Python，欢迎在评论区一起交流学习心得。
){kind=tracking}
