Python 関数の詳細な説明: 定義、呼び出し、パラメーターの型
関数定義と関数
関数は、必要な場合にのみ実行される再利用可能なコードのブロックです。 Python では、関数は def
キーワードを使用して定義されます。
たとえば、次のコードは sum 関数を定義します。
def sum(a, b): print(a + b)
この関数は、2 つの整数 a
と b
の合計を計算します。 2 つの数値の合計を求める必要がある場合は、sum(a, b)
関数を直接呼び出すことができます。
関数呼び出し
関数の呼び出しとは、関数名に続いて括弧を使用して関数内のコードを実行することを意味します。 例:
def sum(a, b): print(a + b) sum(1, 3)
こちら:
-
a
とb
は関数定義のパラメーターです。 -
1
と3
は関数に渡されるパラメーター値 (実際のパラメーター) です。 -
sum
は関数名です。
パラメータの種類
Python 関数は 4 つのパラメーター タイプをサポートしています:
-
必須パラメータ: 関数の呼び出し時に指定する必要があるパラメータ。指定しない場合、Python は
TypeError
例外をスローします。
def sum(a, b): print(a + b) sum(1, 3) # 正确 sum() # TypeError
a
と b
にはデフォルト値がないため、必須のパラメーターです。
- キーワード引数: パラメーター名を明示的に指定してパラメーターを渡します。
def new_print(a, b): print(f"{a} is a friend of {b}") new_print(b="Alice", a="Bob")
出力: ボブはアリスの友達です
キーワード パラメーターは、パラメーターの順序が間違っている場合でも、対応するパラメーターに値を正しく割り当てます。
- デフォルトパラメータ: パラメータのデフォルト値を設定します。関数呼び出し時に省略できます。
def sum(a=0, b=0): print(a + b) sum() # 输出:0 sum(1, 3) # 输出:4
a
と b
の値が指定されていない場合でも、デフォルト値は 0 であるため、関数は通常どおり実行されます。
-
変数パラメーター: 関数は任意の数のパラメーターを受け入れることができます。
a.
*args
: 関数内のタプルの形式でアクセスされる、任意の数の非キーワード パラメーターを受け取るために使用されます。
def sum(*numbers): total = 0 for i in numbers: total += i print(total) sum(1, 2, 3, 4) # 输出:10
b. **kwargs
: 関数内の辞書の形式でアクセスされる、任意の数のキーワード パラメーターを受け取るために使用されます。
def print_kwargs(**kwargs): for key, value in kwargs.items(): print(f"{key}={value}") print_kwargs(name="Alice", age=30, city="New York")
デジタル交換の 4 つの方法
次の 4 つのメソッドは 2 つの数値の値を交換できます:
方法 1: 一時変数を使用する
P = 5 Q = 4 temp = P P = Q Q = temp
方法 2: タプルのアンパック
P = 5 Q = 4 P, Q = Q, P
方法 3: ビット演算子を使用する
P = 5 Q = 4 P = P ^ Q Q = P ^ Q P = P ^ Q
方法 4: 加算と減算を使用する
P = 5 Q = 4 P = P + Q Q = P - Q P = P - Q
以上がPython の関数について知っておくべきことのすべての詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。

Pythonオブジェクトのシリアル化と脱介入は、非自明のプログラムの重要な側面です。 Pythonファイルに何かを保存すると、構成ファイルを読み取る場合、またはHTTPリクエストに応答する場合、オブジェクトシリアル化と脱滑り化を行います。 ある意味では、シリアル化と脱派化は、世界で最も退屈なものです。これらすべての形式とプロトコルを気にするのは誰ですか? Pythonオブジェクトを維持またはストリーミングし、後で完全に取得したいと考えています。 これは、概念レベルで世界を見るのに最適な方法です。ただし、実用的なレベルでは、選択したシリアル化スキーム、形式、またはプロトコルは、プログラムの速度、セキュリティ、メンテナンスの自由、およびその他の側面を決定する場合があります。

Pythonの統計モジュールは、強力なデータ統計分析機能を提供して、生物統計やビジネス分析などのデータの全体的な特性を迅速に理解できるようにします。データポイントを1つずつ見る代わりに、平均や分散などの統計を見て、無視される可能性のある元のデータの傾向と機能を発見し、大きなデータセットをより簡単かつ効果的に比較してください。 このチュートリアルでは、平均を計算し、データセットの分散の程度を測定する方法を説明します。特に明記しない限り、このモジュールのすべての関数は、単に平均を合計するのではなく、平均()関数の計算をサポートします。 浮動小数点数も使用できます。 ランダムをインポートします インポート統計 fractiから


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

SublimeText3 中国語版
中国語版、とても使いやすい

ホットトピック









