函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：
a = ab//把函数赋给一个变量a print(a(-1))
1、定义函数
在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。
# 定义一个函数my_abs()求绝对值
def my_abs(x): if x > 0: return x else : return -x x = -10 print(my_abs(x))
空函数
如果想定义一个什么事也不做的空函数，可以用pass语句：
def nop(): pass
2、函数的分类
- 必选参数
- 默认参数
# 定义含有默认参数的函数
def enroll (name, gender, age=18, city='Beijing'): print('name:', name, 'gender:', gender, 'age:', age, 'city:', city) enroll('chenli', '男')
结果：
name: chenli gender: 男 age: 18 city: Beijing
有多个默认参数时，调用的时候，既可以按顺序提供默认参数，比如调用enroll('Bob', 'M', 7)，意思是，除了name，gender这两个参数外，最后1个参数应用在参数age上，city参数由于没有提供，仍然使用默认值。
也可以不按顺序提供部分默认参数。当不按顺序提供部分默认参数时，需要把参数名写上。比如调用enroll('Adam', 'M', city='Tianjin')，意思是，city参数用传进去的值，其他默认参数继续使用默认值。
Python 默认参数提高了变成效率，但是这里面的坑也是坑死人不偿命，使用稍微不正确，会造成致命的失误
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def test(lang=[]): lang.append('python') return lang
当老实调用时，结果如你所愿
print(test(['js','go'])) print(test(['c','java']))
结果如下
['js', 'go', 'python'] ['c', 'java', 'python'] [Finished in 0.1s]
但是如果多次使用默认参数调用时，奇迹出现了
print(test()) print(test())
结果如下：
['python'] ['python', 'python'] [Finished in 0.1s]
或许有人对此感到很困惑，为什么默认参数会记住更新过的默认参数
分析：
函数在定义的时候，默认参数lang的值就已经声明了，即空的 [],也就是说 默认参数 指向对象 [],在多次调用默认参数的情况下，就改变了默认参数指向对象的数据，默认参数 指向对象的数据变了，下次再调用时，默认参数已经变了，即不再是你希望的空的[]
为了便于理解等同下面这段：
temp = [] def test(lang=temp): lang.append('python') return lang
这样就好看多了，多次调用时，temp 也在不断的变化
注意函数默认参数和函数中的参数的上下文环境
结论
定义函数默认参数时，函数默认参数必须指向不变对象，建议使用 None，str 这些不可变对象处理
重新修改代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
`
def test(lang=None):
if lang is None:
lang = []
lang.append('python')
return lang
调用
print(test())
print(test())
结果：
['python']
['python']
[Finished in 0.2s]
`
可变参数
定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了一个*号。可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数：
#定义一个可选参数的函数
def calc (*numbers):
sum = 0
for n in numbers:
sum += n
return sum
print(calc())
print(calc(1,23,4))
结果：
0 28 [Finished in 0.2s]
如果已经有一个list或者tuple，要调用一个可变参数怎么办？可以这样做：
num = (1, 2, 3) print(calc(*num))
结果：
6 [Finished in 0.1s]关键字参数
而关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。请看示例：
#定义关键字参数的函数
def person(name, age, **kw): print('name:', name, 'age:', age, 'other', kw) P1=person('chenli', '19') P2=person('haha', '20', city='Beijing') print(P1, P2)
结果：
name: chenli age: 19 other {} name: haha age: 20 other {'city': 'Beijing'} None None [Finished in 0.2s]
关键字参数有什么用？它可以扩展函数的功能。命名关键字参数
如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义的函数如下：
#定义含命名关键字参数的函数，命名关键字的作用是限定关键字参数的名字
def person(name, age, *, city, job): print(name, age, city, job) person('chenli', 10, city = 'Beijing', job='Engineer')``#调用方式
结果：
chenli 10 Beijing Engineer [Finished in 0.2s]
和关键字参数 **kw不同，命名关键字参数需要一个特殊分隔符 *，*后面的参数被视为命名关键字参数。
如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了：
使用命名关键字参数时，要特别注意，如果没有可变参数，就必须加一个*作为特殊分隔符。如果缺少*，Python解释器将无法识别位置参数和命名关键字参数：参数组合
在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。
def f1(a, b, c=0, *args, **kw): print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw) def f2(a, b, c=0, *, d, **kw): print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw) f1(1, 2) f1(1, 2, c=3) f1(1, 2, 3, 'a', 'b') f1(1, 2, 3, 'a', 'b', x=99) f2(1, 2, d =99, ext =None) args = (1, 2, 3) args1 = (1, 2, 3, 4) kw = {'d': 99, 'x': '#'} f1(*args1, **kw)``#最神奇的是通过一个tuple和dict，你也可以调用上述函数：
f2(*args, **kw)``#最神奇的是通过一个tuple和dict，你也可以调用上述函数：
对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。
3.递归函数
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。
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)：
def fact(n): if n == 1: return 1 return n*fact(n-1) print(fact(1000))
结果：
RecursionError: 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。
def fact(n): return fact_iter(n, 1) def fact_iter(num, product): if num == 1: return product return fact_iter(num-1, num * product) print(fact(100)) print(fact_iter(100,1))
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。
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。
