Python 函数应用实战与最佳实践

说明：

1. 类型注解：: int 和 -> bool 增强了代码可读性，虽不影响执行但明确了接口契约。
2. 性能优化：只需循环到 sqrt(num)。若 num 有因子，必有一个小于等于其平方根。超过此范围无需继续检查。

三、最大公约数与最小公倍数

计算两个正整数的最大公约数（GCD）和最小公倍数（LCM）。建议将这两个功能拆分为独立函数。

def lcm(x: int, y: int) -> int:
    """求最小公倍数"""
    return x * y // gcd(x, y)

def gcd(x: int, y: int) -> int:
    """求最大公约数 (欧几里得算法)"""
    while y % x != 0:
        x, y = y % x, x
    return x

说明：利用公式 LCM(x, y) = (x * y) / GCD(x, y) 计算最小公倍数。gcd 函数使用辗转相除法，效率高于遍历法。

四、数据统计分析

设计计算样本数据描述性统计信息的函数，包括均值、中位数、极差、方差、标准差等。

def ptp(data):
    """极差（全距）"""
    return max(data) - min(data)

def mean(data):
    """算术平均"""
    return sum(data) / len(data)

def median(data):
    """中位数"""
    temp, size = sorted(data), len(data)
    if size % 2 != 0:
        return temp[size // 2]
    else:
        return mean(temp[size // 2 - 1:size // 2 + 1])

def var(data, ddof=1):
    """方差"""
    x_bar = mean(data)
    temp = [(num - x_bar) ** 2 for num in data]
    return sum(temp) / (len(temp) - ddof)

def std(data, ddof=1):
    """标准差"""
    return var(data, ddof) ** 0.5

def cv(data, ddof=1):
    """变异系数"""
    return std(data, ddof) / mean(data)

def describe(data):
    """输出描述性统计信息"""
    print(f'均值：{mean(data)}')
    print(f'中位数：{median(data)}')
    print(f'极差：{ptp(data)}')
    print(f'方差：{var(data)}')
    print(f'标准差：{std(data)}')
    print(f'变异系数：{cv(data)}')

说明：

1. 自由度校正：ddof 参数控制分母是 n 还是 n-ddof。样本统计通常用 ddof=1，总体统计用 ddof=0。
2. 模块化：describe 函数组合了多个小函数，体现了高内聚低耦合的设计思想。

五、业务逻辑重构：双色球选号

将生成随机号码和输出格式的功能分别封装，通过函数调用实现机选 N 注号码。

import random

RED_BALLS = [i for i in range(1, 34)]
BLUE_BALLS = [i for i in range(1, 17)]

def choose():
    """生成一组随机号码"""
    selected_balls = random.sample(RED_BALLS, 6)
    selected_balls.sort()
    selected_balls.append(random.choice(BLUE_BALLS))
    return selected_balls

def display(balls):
    """格式输出一组号码"""
    for ball in balls[:-1]:
        print(f'\033[031m{ball:0>2d}\033[0m', end=' ')
    print(f'\033[034m{balls[-1]:0>2d}\033[0m')

if __name__ == '__main__':
    n = int(input('生成几注号码：'))
    for _ in range(n):
        display(choose())

说明：重构后逻辑清晰，choose 负责数据生成，display 负责视图渲染。调用者无需关心内部实现，符合依赖倒置原则。

六、进阶：函数参数详解

Python 支持多种参数形式，理解它们有助于编写更灵活的函数。

1. 位置参数：按顺序传递。
2. 默认参数：提供默认值，调用时可省略。

   def greet(name, msg="Hello"):
       print(f"{name}: {msg}")
   

3. 可变位置参数 (*args)：接收任意数量的位置参数，打包为元组。

   def sum_all(*args):
       return sum(args)
   

4. 可变关键字参数 (**kwargs)：接收任意数量的关键字参数，打包为字典。

   def print_info(**kwargs):
       for key, value in kwargs.items():
           print(f"{key}: {value}")
   

七、进阶：作用域与生命周期

变量作用域决定了变量的可见性和生命周期。

1. 局部作用域 (Local)：函数内部定义的变量，仅在函数内有效。
2. 全局作用域 (Global)：函数外部定义的变量，整个模块可见。
3. 非局部作用域 (Nonlocal)：嵌套函数中引用外层函数变量时使用 nonlocal 声明。

count = 0

def increment():
    global count
    count += 1
    print(count)

increment() # 输出 1

注意：修改全局变量需谨慎，避免产生副作用。优先使用返回值传递数据。

八、进阶：Lambda 表达式

对于简单的单行函数，可以使用 Lambda 表达式简化语法。

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

# 常用于排序或映射
numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x**2, numbers))

总结

在商业项目开发中，应有意识地将相对独立且重复使用的功能封装成函数。这不仅减少了重复劳动，还提升了代码的可读性和可维护性。通过合理设计参数、规范作用域管理以及利用高阶特性，可以构建出健壮且优雅的 Python 程序。

建议在实际工作中多参考 Python 标准库（如 statistics, functools）的实现方式，学习优秀的工程实践。