新闻详情

新闻详情

首页 / 资讯中心 / 详情

函数的使用规则:

发布时间:2026/11/18 1:37:47来源:尧图网络
函数的使用规则:
# 函数可以实现一个特定的功能 # print() 控制台打印输出 # input() 获取键盘的输入 # type() 获取变量的类型 # len() 容器的长度 # 我们自己如何定义一个函数,实现特定的功能 # 函数: 将多行代码(实现一个特定的功能)写在一块,起个名字,在需要的时候进行调用 # 函数的作用: 对代码进行封装,提高编程效率,减少代码的冗余(重复的代码不需要多次书写) # 函数必须先定义后调用. # 定义 # 1, 定义就是给多行代码起名字的过程 # 2, 函数定义不会执行函数中的代码,想要执行必须调用 # 3, 函数定义使用关键字 def ---- define # def 函数名字(): # 函数中代码 # 函数中代码 # 1. def 这行代码最后需要冒号 # 2. 存在冒号就需要换行缩进 # 3. 处于 def 缩进中的代码,称为函数体 # 调用 # 函数调用,就是使用函数的名字去执行函数中的代码 # 函数名字() # eg:编写一个say_hello的函数封装三行打招呼打代码 # def say_hello(): # print(hello 1) # print(hello 2) # print(hello 3) # # say_hello() # 函数的参数 # def sum_2_nums(): # a 10 # b 20 # c a b # print(求和的结果为: , c) # # # sum_2_nums() # 函数传参 # 1, 定义函数目的是实现一个通用的功能,比如: 可以对任意两个数字进行求和计算 # 2, 上方的代码,在函数内部定义变量,定义的函数只能对固定的两个数字求和 # 3, 目标: 对任意两个数字求和, 具体是哪两个数字,在函数调用的时候确定, 可以使用函数的参数来解决 # 4, 参数的使用场景: 查看函数中使用的数据值是否是固定的值,如果是固定的,不用传参,如果是变化,不确定的,就使用参数传递. # def sum_2_nums(a, b): # a, b 称为形式参数(占位), 简称形参 # c a b # print(求和的结果为: , c) # # # sum_2_nums(10, 20) # 10, 20 称为实际参数(真实数据), 简称实参, 函数调用的时候 ,会把实参的值,传递给形参 # sum_2_nums(100, 200) # 函数的嵌套调用 # 1, 函数的嵌套调用是指, 在一个函数的内部调用了另一个函数 # 2, 函数代码从上到下执行的 # 3, 函数定义不会执行函数中的代码 # 4, 函数调用的时候,会进入函数内部,执行函数中的代码 # 5, 函数中的代码执行结束, 会回到调用的地方,继续向下执行 # def func1(): # print(1) # print(func 1) # print(2) # # # def func2(): # print(3) # func1() # 在函数内部调用了func1 函数 # print(4) # # # print(5) # func2() # print(6) # 函授的返回值 # 函数的返回值,就是函数执行的结果. # 为什么需要返回值: 想要知道(使用) 函数内部得到的结果. # # len() 求容器的长度(元素的个数) --- 元素的个数 # type() ---- 变量的类型 # print() ---- 没有返回值 None # input() ---- 输入的数据, str # # ✨✨✨✨✨✨ # 我们自己定义的函数,如果想要返回值,需要使用 return 关键字 # return 关键字 只能用在函数中, 作用两个 # 1. 函数的返回值(将数据返回到调用的地方) # 2. 结束函数的执行(函数代码执行遇到 return , 会结束执行) # 如果函数存在返回值,在调用的时候,一般都会使用 变量来保存返回值 # ✨✨✨✨✨✨ # def get_max(a, b): # if a b: # return a # else: # return b # # # result get_max(10, 20) # print(result) # # 使用返回值可以得到这个数据值.可以对这个数据值进行其他的计算 # result 10 # print(result) # 总结 # 1, 知道函数怎么定义 def # 2, 知道函数怎么调用 函数名() # 3, 知道形参和实参 , 为什么需要参数, 函数中使用的数据可能会变化,使用参数占位,在调用的时候传递具体的数据值 # 4, 知道怎么返回一个数据 return, 函数内部(def 的缩进中)数据想要在外边使用,就需要 return # 1. 定义名为 input_username 的函数, 获取用户输入的用户名 def input_username(): return input(请输入账号) # 2. 定义名为 input_password 的函数, 获取用户输入的密码 # def input_password(): # return input(请输入密码:) # # # # 3. 定义名为 login 的函数, 判断获取的用户名和密码信息 # # 4. 要求当获取的用户名为:admin 并且密码为: 123456 时, 输出“登录成功!”否则提示“用户名或密码错误!” # def login(): # if input_username() admin and input_password() 123456: # print(登录成功) # else: # print(用户名或密码错误!) # # # login()
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉