详细介绍Python函数中的默认参数

import datetime as dt
 
def log_time(message, time=None):
  if time is None:
    time=dt.datetime.now()
  print("{0}: {1}".format(time.isoformat(), message))

最近我在一段Python代码中发现了一个因为错误的使用默认参数而产生的非常恶心的bug。如果您已经知道关于默认参数的全部内容了，只是想嘲笑一下我这可笑的错误，请直接跳到本文末尾。哎，这段代码是我写的，但是我非常确定那天我被恶魔附体了。你懂的，有时候就是这样。

本文仅仅是总结一下关于Python函数的标准参数和默认参数的一些基本内容。提醒你注意你的代码中可能存在的陷阱。如果你刚开始接触Python，开始写一些函数，我真心推荐你看一下Python官方手册中关于函数的内容，链接如下：Defining Functions 以及 More on Defining Functions。
简单复习一下函数

Python是一个强大的面向对象语言，它把这种编程范式推向了顶峰。但是，面向对象编程仍然需要依靠函数这一概念，你可以用它来处理数据。Python对于可调用对象有一个更宽泛的概念，即任何对象都可以被调用，调用的意思是对其应用数据。

函数在Python中是可调用对象，并且乍一看，它和其他语言中的函数有着类似的行为。它们获取一些数据，这些数据被称为参数，然后处理它们，接着返回结果（如果没有return语句则是None）

参数被声明为占位符（在定义函数的时候），用以代表那些当函数调用时被实际传入的对象。在Python中你不需要声明参数的类型（例如，像你在C或Java中做的那样）因为Python哲学依赖于多态。

记住，Python的变量是引用，即实际变量的内存地址。这意味着Python的函数永远以“传址”的方式工作（这里使用了一个C/C++术语），当你调用一个函数的时候，并不是复制了一份参数的值来替换占位符，而是把占位符指向了变量本身。这导致了一个非常重要的结果：你可以在函数内部改变这个变量的值。这里有一个很好可视化讲解，关于引用机制。

引用在Python扮演着非常重要的角色，它是Python完全多态方式的骨干。关于这个非常重要的主题，请点击这个链接 查看更好的解释。

为了检查你是否理解了这门语言的这一基本特性，请跟随这段简单的代码（变量ph代表的是“占位符(placeholder)”）
 

>>> def print_id(ph):
... print(hex(id(ph)))
...
>>> a = 5
>>> print(hex(id(a)))
0x84ab460
>>> print_id(a)
0x84ab460
>>>
>>> def alter_value(ph):
... ph = ph + 1
... return ph
...
>>> b = alter_value(a)
>>> b
6
>>> a
5
>>> hex(id(a))
'0x84ab460'
>>> hex(id(b))
'0x84ab470'
>>>
>>> def alter_value(ph):
... ph.append(1)
... return ph
...
>>> a = [1,2,3]
>>> b = alter_value(a)
>>> a
[1, 2, 3, 1]
>>> b
[1, 2, 3, 1]
>>> hex(id(a))
'0xb701f72c'
>>> hex(id(b))
'0xb701f72c'
>>>

如果你对这里发生的事情并不感到吃惊，那说明你已经掌握了Python中最为重要的部分之一，你可以放心的跳过下面的解释了。

print_id()函数显示，函数内部的占位符同运行时传入的变量完全一样（它们的内存地址一致）。

两个版本的alter_value()意在改变传入参数的值。正如你所看到的，第一个alter_value() 并没有像第二个alter_value()一样成功的改变变量a的值。这是为什么呢？实际上两者的行为是一样的，都是尝试修改传入的原始变量的值，但是在Python中，有些变量是不可变的(immutable)，整数就在此列。另一方面，列表并不是不可变的，所以函数得以完成它的名字所保证的工作。 在这里，你可以找到关于不可变类型的更加详细的介绍 。

关于Python中的函数，还有一些要说的，但是这些是关于标准的参数的基本知识。
默认参数值

有时候你需要定义一个函数，让它接受一个参数，而且在这个参数出现或不出现时，函数有不同的行为。如果一门语言不支持这种情况，你就只有两个选择：第一种是定义两个不同的函数，决定每次调用应该选择调用哪个，第二种是 两种方法都是可行的，但是都不是最佳的。

Python和其他语言一样，支持默认参数值，即函数参数可以是调用时指定的，也可以留空，自动接受一个预定义的值。

一个关于默认值的非常简单（也很没用）的例子如下：
 

def log(message=None):
  if message:
    print("LOG: {0}".format(message))

这个函数可以带一个参数运行（可以是None）

 
>>> log("File closed")
LOG: File closed
>>> log(None)
>>>

但是同样也可以不带参数运行，这种情况下它会接受一个函数原型中设置的默认值（本例中是None）
 

>>> log()
>>>

你可以在标准库中找到更多有趣的例子，比如在open()函数中（请查看官方文档）
 

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

函数原型可以证明，例如 f = open('/etc/hosts')这样的调用，通过传入默认值隐藏了很多参数 (mode, buffering, encoding, 等),并且使这个函数的典型应用案例变得非常简单易用。

正如你在内建的open()函数中看到的那样，我们可以在函数中使用标准或者默认参数，但是两者在函数中出现的次序是固定的：首先调用标准参数，然后调用默认参数。
 

def a_rich_function(a, b, c, d=None, e=0):
  pass

原因是显而易见的：如果我们可以在标准参数前面放置一个默认参数，语言就无法理解，默认参数是否已经被初始化。例如，考虑下面这个函数定义
 

def a_rich_function(a, b, d=None, c, e=0):
  pass

当调用函数a_rich_function(1, 2, 4, 5)时，我们传入了什么参数？ 是d=4, c=5 还是c=4, e=5？因为d有一个默认的值。因此这种顺序的定义是被禁止的，如果你这样做，Python会抛出一个SyntaxError
 

>>> def a_rich_function(a, b, d=None, c, e=0):
... pass
...
 File "<stdin>", line 1
SyntaxError: non-default argument follows default argument
>>>

默认参数求值

默认参数可以通过普通值或是函数调用结果来提高，但是后者这种技术需要一个特别的警示

一个普通的值是硬编码的，因此除了编译时，其他时候是不需要求值的，但是函数调用期望在运行时执行求值。所以我们可以这样写
 

import datetime as dt
 
def log_time(message, time=dt.datetime.now()):
  print("{0}: {1}".format(time.isoformat(), message))

每次我们调用log_time()时都期望它能够正确提供当前时间。悲剧的是并没有成功：默认参数在定义时求值（比如说当你首次导入模块时），调用的结果如下
 

>>> log_time("message 1")
2015-02-10T21:20:32.998647: message 1
>>> log_time("message 2")
2015-02-10T21:20:32.998647: message 2
>>> log_time("message 3")
2015-02-10T21:20:32.998647: message 3

如果把默认值赋给一个类的实例，结果会更加奇怪，你可以在Hitchhiker's Guide to Python!中读到相关内容。根据。。通常的解决方法是把默认参数替换为None，并且在函数内部检查参数值。
 
结论

默认参数能够极大的简化API，你需要关注它唯一的“失败点”，即求值的时机。令人惊奇的是，Python最基本的内容之一，函数的参数和引用，是最大的错误源之一，有时候对于有经验的程序员也一样。我建议抽时间学习一下引用和多态。
相关阅读：

•     OOP concepts in Python 2.x – Part 2
•     Python 3 OOP Part 1 – Objects and types
•     Digging up Django class-based views – 2
•     Python Generators – From Iterators to Cooperative Multitasking – 2
•     OOP concepts in Python 2.x – Part 1