Python.三.（一）--1. 函数参数与高阶函数

三、 函数、类与面向对象编程 (OOP)

• 标题：
  1. 函数参数与高阶函数
  2. 装饰器与闭包
  3. 面向对象三大特征
  4. 类、对象与魔术方法
  5. 异常处理

结论先行

这 6 个问题本质上都围绕一个核心：Python 把函数当作"一等对象"，由此衍生出灵活的参数机制和以函数为参数/返回值的高阶函数体系。🎯

1. 函数参数类型与规则

Python 函数参数主要有 5 类，定义时需按固定顺序排列：

1. 位置参数：必传，按位置匹配
2. 默认参数：可省略，有默认值
3. 可变位置参数*args：收集多余位置参数
4. 关键字参数：用key=value传入
5. 可变关键字参数**kwargs：收集多余关键字参数

规则顺序：位置参数 → 默认参数 → *args → 关键字参数 → **kwargs。例如：

def f(a, b=2, *args, c, **kwargs): pass

其中c是仅限关键字参数（在*args之后必须用关键字传入）。

2.*args与**kwargs的区别

• *args：把多余的位置参数打包成一个元组tuple
• **kwargs：把多余的关键字参数打包成一个字典dict

def demo(*args, **kwargs): print(args) # (1, 2, 3) print(kwargs) # {'x': 1, 'y': 2} demo(1, 2, 3, x=1, y=2)

口诀：一颗星收位置成元组，两颗星收关键字成字典。⭐

3. lambda 表达式

lambda 是匿名函数的简写，语法为lambda 参数: 表达式：

square = lambda x: x ** 2 print(square(5)) # 25

限制：只能写单个表达式，不能包含语句（如if-else块、for、赋值），但可用条件表达式。常用于临时、简短的函数场景，尤其配合map、sorted、filter等高阶函数。⚡

4. 函数传参会不会改变参数本身？

结论：取决于参数是"可变对象"还是"不可变对象"。Python 是"对象引用传递"（传的是引用，不是值也不是纯引用）。

def modify(lst): lst.append(4) # 原地修改 → 外部列表变化 a = [1, 2, 3] modify(a) print(a) # [1, 2, 3, 4]

关键区分：lst.append()（原地改）vslst = [...]（重新绑定，外部无感）。

5. map 和 reduce 的用法

map：对可迭代对象逐元素应用函数，返回迭代器。

nums = [1, 2, 3] squared = list(map(lambda x: x**2, nums)) # [1, 4, 9]

reduce：对序列累计计算，把多个值归约成一个值（Python3 中需从functools导入）。

from functools import reduce product = reduce(lambda x, y: x * y, [1, 2, 3, 4]) # 24

对比：map是"一对一映射"，reduce是"多对一归约"。🔄

6. 高阶函数的原理

高阶函数指满足以下任一条件的函数：

• 接受一个或多个函数作为参数
• 返回一个函数作为结果

其根本前提是Python 函数是一等对象（first-class object），可被赋值、传参、返回。

def apply(f, x): # 接收函数 f return f(x) apply(lambda x: x + 1, 10) # 11

map、reduce、filter、sorted(key=...)都是高阶函数的典型实例。

这些内容的联系

它们构成一条完整的逻辑链：

具体而言：

• 函数是一等对象是总纲——没有它，就没有高阶函数，lambda 也就无法作为值传递。
• 参数规则定义了"函数如何接收数据"，而*args/**kwargs是这套规则的灵活扩展，让函数能处理任意参数。
• 传参机制（可变 vs 不可变）是参数行为的底层规则，解释了"为什么有时改了有时没改"。
• lambda提供轻量级的函数对象，是喂给高阶函数最常用的"原料"。
• map/reduce是高阶函数的典型应用：它们接收函数（常是 lambda）并作用在数据上。

一句话串联：参数机制负责"把数据/函数送进函数"，高阶函数负责"用函数处理数据"，lambda 则是临时造函数的工具，三者共同支撑 Python 函数式编程能力。🧩