共计 1714 个字符，预计需要花费 5 分钟才能阅读完成。
函数声明
为了代码的可读性，在定义一个函数的时候，最好有其函数参数的说明。示例：
def func_test(s):
“””
:type s: str
:rtype: str
“””
pass
实现这种效果可以通过插件设置，比如在 vscode 里面，我们可以使用 koroFileHeader 来实现这样的功能，直接在 vscode 搜索安装即可，然后根据其 github 里面的说明进行配置
函数的参数
Python 中函数的参数有四种，分别是：
位置参数
默认参数
可变参数
关键字参数
python 按照参数的位置来区别参数，位置参数的优先级是最高的，其次分别是默认参数，可变参数，关键字参数
def f1(a, b, c=0, *args, **kw):
print(‘a =’, a, ‘b =’, b, ‘c =’, c, ‘args =’, args, ‘kw =’, kw)
可变参数将传入的参数包装成一个 tuple，关键字参数将传入的参数包装成一个 dict，因此在函数中使用这些参数的时候，可以使用 args 或者 kw 这样的关键字来使用其中的值，因为在函数声明的时候，是以这两个关键字声明的。
高阶函数
下面几个函数在大多数编程语言里面都有，属于高阶函数，它们接受函数作为其中的参数：
map
reduce
filter
sorted
这些函数涉及到 python 的一个概念，iterator 和 iterable
Iterator 和 Iterable 的区别
Iterator 是惰性的，也就是说，一开始并不知道 下一个数是多少，只有使用了 next，它才会去计算下一个数，这样的好处是什么呢？这样就保证了不会一次性将大量的数据带到内存里面计算，只有用到的时候，在去计算
Iterable 则是相反的，它会一次把所有的数据全部带到内存里面，其中 list，dict，tuple 都是 Iterable 而不是 Iterator
map
map()函数接收两个参数，一个是函数，一个是 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。代码：
>>> def f(x):
… return x * x
…
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce
reduce 把一个函数作用在一个序列 [x1, x2, x3, …] 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
filter
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
sorted
sorted 函数也是一个高阶函数，它还可以接收一个 key 函数来实现自定义的排序
匿名函数
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
装饰器
装饰器是 Python 里面非常有用的黑魔法，在许许多多的地方都会使用到装饰器，从而使代码复用，举一个例子，假如存在有多个函数，调用每个函数的时候，都需要经过认证，最好的做法就是把认证的代码写成一个装饰器，然后加在每一个函数的开头。
#coding:utf-8
import functools
cert = {
“username”:”test”,
“password”:”qwe123″
}
def authentication(func):
@functools.wraps(func)
def wrapper(*args,**kw):
if cert[“username”] == “test” and cert[“password”] == “qwe123”:
return func(*args,**kw)
else:
print(“auth failed”)
return wrapper
@authentication
def user_profile():
print(“Hello Here is user profile”)
if __name__ == “__main__”:
user_profile()
装饰器函数的代码有一定的规律，写起来大同小异，只是其中的业务逻辑不同。
