1. 项目概述为什么函数参数是Python编程的基石如果你刚开始学Python或者已经写过一些脚本但总觉得代码不够灵活、复用性差那大概率是在函数参数这块没吃透。我见过太多新手写的函数要么是硬编码一堆值改起来麻烦要么是调用时传参顺序混乱导致bug频出。函数参数远不止是定义函数时括号里的几个变量名那么简单它直接决定了你代码的接口设计是否优雅、功能是否健壮、以及未来是否易于维护和扩展。简单来说Python函数参数是你与函数“对话”的约定。你告诉函数需要处理什么数据通过参数传入函数处理完后告诉你结果通过返回值返回。这个“对话”机制的设计水平直接体现了程序员的功底。从最基础的必须提供的“位置参数”到可以灵活指定默认值的“默认参数”再到能处理不确定数量输入的“可变参数”以及能明确指定参数名的“关键字参数”Python提供了一整套强大的工具。掌握它们你就能写出像Python内置库一样清晰、强大的函数。这不仅是语法知识更是一种重要的编程思维和设计能力。2. Python函数参数的核心类型与工作机制理解参数类型关键在于明白它们是如何被解析和绑定的。当你调用一个函数时Python解释器会按照一套明确的规则将你提供的实参与函数定义处的形参进行匹配。这个匹配过程决定了代码的行为。2.1 位置参数最基础的契约位置参数也叫必需参数是函数定义中最基本的形式。调用函数时你必须按照函数定义的顺序提供相同数量的实参。def greet(name, greeting): print(f{greeting}, {name}!) greet(Alice, Hello) # 输出: Hello, Alice! greet(Hi, Bob) # 输出: Hi, Bob! (语义错误但语法正确)在上面的例子中name和greeting就是两个位置参数。调用greet(“Alice”, “Hello”)时“Alice”被绑定到name“Hello”被绑定到greeting。如果你调换顺序像第二行那样代码不会报错但逻辑完全错了对Bob说Hi。这就是只依赖位置参数的局限性你必须牢记顺序。注意在设计函数时如果参数有自然的、逻辑上的先后顺序比如坐标(x, y) 日期(year, month, day)使用位置参数是合适的。但对于没有强顺序关系的参数依赖位置容易导致错误。2.2 关键字参数让调用意图更清晰关键字参数允许你在调用函数时通过参数名值的形式来指定实参。这时实参的顺序就不再重要了。def describe_pet(pet_name, animal_type): print(fI have a {animal_type} named {pet_name}.) # 使用关键字参数调用顺序无关 describe_pet(pet_nameWhiskers, animal_typecat) describe_pet(animal_typedog, pet_nameBuddy)关键字参数极大地提高了代码的可读性和可维护性。阅读函数调用时你能立刻明白每个值的目的。这对于参数较多或含义不直观的函数尤其有用。实际上你可以混合使用位置参数和关键字参数但位置参数必须出现在关键字参数之前。describe_pet(“Whiskers”, animal_type“cat”) # 正确 describe_pet(pet_name“Buddy”, “dog”) # 语法错误位置参数不能在关键字参数后2.3 默认参数提供灵活的缺省值默认参数在函数定义时就被赋予了一个默认值。调用时如果为该参数提供了实参则使用实参否则就使用这个默认值。这让你能定义“大多数情况下这样就行”的函数同时保留定制的能力。def make_coffee(size“medium”, coffee_type“espresso”, sugarFalse): order fA {size} {coffee_type} if sugar: order “ with sugar” print(order) make_coffee() # 输出: A medium espresso make_coffee(size“large”) # 输出: A large espresso make_coffee(coffee_type“latte”, sugarTrue) # 输出: A medium latte with sugar这里有一个至关重要的坑也是面试常考点默认参数的值只在函数定义时被计算一次。如果默认值是可变对象如列表、字典所有调用共享同一个对象。def add_item(item, item_list[]): # 危险默认值是一个空列表 item_list.append(item) return item_list print(add_item(“apple”)) # 输出: [‘apple’] print(add_item(“banana”)) # 输出: [‘apple’, ‘banana’] 第二次调用延续了第一次的列表这绝不是我们想要的行为。正确的做法是使用None作为默认值在函数体内进行判断和初始化def add_item_safe(item, item_listNone): if item_list is None: item_list [] # 每次调用如果没有提供列表都创建一个新的 item_list.append(item) return item_list print(add_item_safe(“apple”)) # 输出: [‘apple’] print(add_item_safe(“banana”)) # 输出: [‘banana’] 符合预期2.4 可变参数处理不确定数量的输入当你需要函数接受任意数量的参数时可变参数就派上用场了。Python提供了两种可变参数*args用于接收任意数量的位置参数**kwargs用于接收任意数量的关键字参数。*args会将所有传入的位置参数打包成一个元组(tuple)。参数名不一定是args但前面的星号*是必须的这是一种约定俗成的写法。def sum_all(*numbers): total 0 for num in numbers: # numbers 是一个元组 total num return total print(sum_all(1, 2, 3)) # 输出: 6 print(sum_all(10, 20, 30, 40)) # 输出: 100**kwargs会将所有传入的关键字参数打包成一个字典(dict)。参数名也不一定是kwargs但双星号**是必须的。def build_profile(**user_info): profile {} for key, value in user_info.items(): # user_info 是一个字典 profile[key] value return profile user build_profile(name“Alice”, age30, city“New York”) print(user) # 输出: {‘name’: ‘Alice’, ‘age’: 30, ‘city’: ‘New York’}可变参数最常见的应用场景之一是编写装饰器、包装函数或实现高度灵活的API。例如你想写一个通用的日志函数它可以记录任何其他函数的调用参数和结果。2.5 参数组合的完整顺序在一个函数定义中你可以组合使用以上所有类型的参数但必须遵循严格的顺序规则def func(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2, **kwargs)这个复杂的签名可以分解为几个部分纯位置参数在/之前的参数只能通过位置传递。位置或关键字参数在/之后、*之前的参数可以通过位置或关键字传递。纯关键字参数在*之后的参数只能通过关键字传递。可变关键字参数**kwargs 收集所有未匹配的关键字参数。/和*符号在函数定义中用作分隔符它们本身不是参数。/表示它之前的参数只能是位置参数Python 3.8 引入*表示它之后的参数只能是关键字参数。def complex_func(a, b, /, c, d, *, e, f, **options): print(a, b, c, d, e, f, options) complex_func(1, 2, 3, d4, e5, f6, extra“hi”) # a1 (位置), b2 (位置), c3 (位置), d4 (关键字), e5 (关键字), f6 (关键字) # options {‘extra’: ‘hi’}这种设计强制了API的清晰性。例如如果一个函数的前两个参数是(x, y)坐标你希望调用者永远不要用x1, y2的方式调用因为容易写反就可以把它们放在/之前强制使用位置参数。3. 参数传递的底层机制是传值还是传引用这是一个经典问题。Python的参数传递机制更准确的说法是“传递对象的引用”。当你调用函数时实参一个对象的引用被赋值给了形参一个局部变量名。这意味着如果实参是不可变对象如整数、字符串、元组在函数内部修改形参的值只会让形参指向一个新的对象不会影响外部的实参。如果实参是可变对象如列表、字典、集合通过形参修改这个对象的内容例如向列表添加元素会直接影响外部的实参因为形参和实参引用的是同一个对象。def modify_data(num, my_list): num 10 # num是局部变量现在指向新的整数10不影响外部的a my_list.append(4) # 修改了my_list指向的列表对象本身外部的b会看到变化 my_list [7,8,9] # my_list现在指向一个新的列表不影响外部的b a 1 b [1, 2, 3] modify_data(a, b) print(a) # 输出: 1 (未变) print(b) # 输出: [1, 2, 3, 4] (已变)理解这一点至关重要。它解释了为什么修改列表参数会影响外部而修改数字参数不会。这也提醒我们如果不想函数意外修改外部可变对象应该传入它的副本例如my_list.copy()或my_list[:]。4. 高级应用与设计模式掌握了基础语法后我们可以看看参数机制如何赋能更高级的编程模式。4.1 函数柯里化与偏函数虽然Python没有原生的一等柯里化支持但我们可以利用参数来模拟或者使用functools.partial来创建“偏函数”。偏函数允许你“冻结”函数的一部分参数生成一个新的、参数更少的函数。from functools import partial def power(base, exponent): return base ** exponent # 创建一个计算平方的函数 square partial(power, exponent2) print(square(5)) # 输出: 25 # 创建一个计算立方的函数 cube partial(power, exponent3) print(cube(3)) # 输出: 27这在配置回调函数、创建特定场景的工具函数时非常有用。例如在GUI编程中你可能需要将一个带额外参数的函数绑定到一个按钮的点击事件上。4.2 使用*和**进行参数解包与收集参数相反你还可以在函数调用时使用*和**来解包序列和字典将其内容作为单独的参数传递。def func(a, b, c): print(a, b, c) args (1, 2, 3) func(*args) # 等价于 func(1, 2, 3) kwargs {‘b’: 20, ‘a’: 10, ‘c’: 30} func(**kwargs) # 等价于 func(a10, b20, c30)这在需要动态调用函数时极其强大。例如从配置文件或数据库读取参数然后调用相应的处理函数。4.3 类型注解与参数约束从Python 3.5开始引入了类型注解Type Hints。虽然Python运行时不会强制检查类型但它为静态类型检查器如mypy、IDE和文档提供了宝贵的信息能极大提升代码的可读性和可维护性。from typing import Optional, List def process_items( items: List[str], # items 应该是一个字符串列表 threshold: int 0, # threshold 是整数默认0 prefix: Optional[str] None # prefix 是可选的字符串或None ) - List[str]: # 函数返回一个字符串列表 if prefix is None: prefix “Item_” return [f”{prefix}{item}” for item in items if len(item) threshold] # 好的IDE会根据注解提供自动补全和错误提示 result process_items([“a”, “ab”, “abc”], threshold1) print(result) # 输出: [‘Item_ab’, ‘Item_abc’]使用类型注解是一种非常好的实践尤其是在团队协作或开发大型项目时。它像一份清晰的合同说明了函数期望什么以及会返回什么。5. 实战避坑指南与性能考量理论懂了上手写还是容易踩坑。这里分享几个我实践中总结的经验。5.1 参数设计的最佳实践限制参数数量一个函数的参数最好不超过5个。如果参数太多说明函数可能承担了过多的职责应考虑拆分成多个小函数或使用对象类来封装相关数据。使用关键字参数提高可读性对于布尔标志、配置选项等含义不直观的参数强制或鼓励使用关键字参数。可以通过将它们放在*之后定义为纯关键字参数来实现。为参数提供清晰的默认值默认值应该是最常用、最安全的选项。避免使用None作为默认值除非它确实表示“没有”或“未设置”的状态。对于可变默认值务必使用None并在内部处理。善用类型注解即使项目不强制使用mypy添加类型注解也能作为高质量的文档帮助你和你的同事理解代码。5.2 可变参数的陷阱*args和**kwargs很强大但滥用会让函数签名变得不透明调用者无法从函数定义一眼看出它接受哪些参数。它们最适合用于以下场景编写装饰器。继承中子类需要将未知参数传递给父类。实现代理或包装函数。定义真正需要高度灵活性的API如print(*values, sep’ ‘, end’\n’, filesys.stdout, flushFalse)。对于大多数普通函数明确列出参数名是更好的选择。5.3 性能影响每次函数调用Python都需要进行参数匹配和绑定。对于在紧密循环中调用数百万次的微小函数参数处理可能成为瓶颈。在这种情况下尽量减少参数数量。考虑将相关参数封装到一个轻量级对象如tuple、namedtuple或dataclass中一次性传入。对于极其性能敏感的代码可以将函数逻辑内联或者使用functools.lru_cache对纯函数进行缓存。5.4 调试技巧查看参数绑定当你遇到参数传递相关的诡异bug时可以在函数内部使用locals()函数查看所有局部变量包括绑定好的参数或者使用inspect模块。import inspect def debug_func(a, b10, *args, **kwargs): frame inspect.currentframe() args_info inspect.getargvalues(frame) print(“Arguments received:”) for arg in args_info.args: print(f” {arg} {args_info.locals[arg]}”) if args_info.varargs: print(f” *{args_info.varargs} {args_info.locals[args_info.varargs]}”) if args_info.keywords: print(f” **{args_info.keywords} {args_info.locals[args_info.keywords]}”) debug_func(1, 2, 3, 4, extra“info”)这个技巧在编写复杂框架或调试装饰器时尤其有用。函数参数是Python灵活性和表现力的核心特性之一。从简单的数据传递到复杂的API设计再到元编程和装饰器都离不开对参数机制的深刻理解。花时间掌握它你的代码将从“能运行”跃升到“清晰、健壮、专业”的层次。记住好的函数设计始于清晰、直观的参数列表。
1. 项目概述为什么函数参数是Python编程的基石如果你刚开始学Python或者已经写过一些脚本但总觉得代码不够灵活、复用性差那大概率是在函数参数这块没吃透。我见过太多新手写的函数要么是硬编码一堆值改起来麻烦要么是调用时传参顺序混乱导致bug频出。函数参数远不止是定义函数时括号里的几个变量名那么简单它直接决定了你代码的接口设计是否优雅、功能是否健壮、以及未来是否易于维护和扩展。简单来说Python函数参数是你与函数“对话”的约定。你告诉函数需要处理什么数据通过参数传入函数处理完后告诉你结果通过返回值返回。这个“对话”机制的设计水平直接体现了程序员的功底。从最基础的必须提供的“位置参数”到可以灵活指定默认值的“默认参数”再到能处理不确定数量输入的“可变参数”以及能明确指定参数名的“关键字参数”Python提供了一整套强大的工具。掌握它们你就能写出像Python内置库一样清晰、强大的函数。这不仅是语法知识更是一种重要的编程思维和设计能力。2. Python函数参数的核心类型与工作机制理解参数类型关键在于明白它们是如何被解析和绑定的。当你调用一个函数时Python解释器会按照一套明确的规则将你提供的实参与函数定义处的形参进行匹配。这个匹配过程决定了代码的行为。2.1 位置参数最基础的契约位置参数也叫必需参数是函数定义中最基本的形式。调用函数时你必须按照函数定义的顺序提供相同数量的实参。def greet(name, greeting): print(f{greeting}, {name}!) greet(Alice, Hello) # 输出: Hello, Alice! greet(Hi, Bob) # 输出: Hi, Bob! (语义错误但语法正确)在上面的例子中name和greeting就是两个位置参数。调用greet(“Alice”, “Hello”)时“Alice”被绑定到name“Hello”被绑定到greeting。如果你调换顺序像第二行那样代码不会报错但逻辑完全错了对Bob说Hi。这就是只依赖位置参数的局限性你必须牢记顺序。注意在设计函数时如果参数有自然的、逻辑上的先后顺序比如坐标(x, y) 日期(year, month, day)使用位置参数是合适的。但对于没有强顺序关系的参数依赖位置容易导致错误。2.2 关键字参数让调用意图更清晰关键字参数允许你在调用函数时通过参数名值的形式来指定实参。这时实参的顺序就不再重要了。def describe_pet(pet_name, animal_type): print(fI have a {animal_type} named {pet_name}.) # 使用关键字参数调用顺序无关 describe_pet(pet_nameWhiskers, animal_typecat) describe_pet(animal_typedog, pet_nameBuddy)关键字参数极大地提高了代码的可读性和可维护性。阅读函数调用时你能立刻明白每个值的目的。这对于参数较多或含义不直观的函数尤其有用。实际上你可以混合使用位置参数和关键字参数但位置参数必须出现在关键字参数之前。describe_pet(“Whiskers”, animal_type“cat”) # 正确 describe_pet(pet_name“Buddy”, “dog”) # 语法错误位置参数不能在关键字参数后2.3 默认参数提供灵活的缺省值默认参数在函数定义时就被赋予了一个默认值。调用时如果为该参数提供了实参则使用实参否则就使用这个默认值。这让你能定义“大多数情况下这样就行”的函数同时保留定制的能力。def make_coffee(size“medium”, coffee_type“espresso”, sugarFalse): order fA {size} {coffee_type} if sugar: order “ with sugar” print(order) make_coffee() # 输出: A medium espresso make_coffee(size“large”) # 输出: A large espresso make_coffee(coffee_type“latte”, sugarTrue) # 输出: A medium latte with sugar这里有一个至关重要的坑也是面试常考点默认参数的值只在函数定义时被计算一次。如果默认值是可变对象如列表、字典所有调用共享同一个对象。def add_item(item, item_list[]): # 危险默认值是一个空列表 item_list.append(item) return item_list print(add_item(“apple”)) # 输出: [‘apple’] print(add_item(“banana”)) # 输出: [‘apple’, ‘banana’] 第二次调用延续了第一次的列表这绝不是我们想要的行为。正确的做法是使用None作为默认值在函数体内进行判断和初始化def add_item_safe(item, item_listNone): if item_list is None: item_list [] # 每次调用如果没有提供列表都创建一个新的 item_list.append(item) return item_list print(add_item_safe(“apple”)) # 输出: [‘apple’] print(add_item_safe(“banana”)) # 输出: [‘banana’] 符合预期2.4 可变参数处理不确定数量的输入当你需要函数接受任意数量的参数时可变参数就派上用场了。Python提供了两种可变参数*args用于接收任意数量的位置参数**kwargs用于接收任意数量的关键字参数。*args会将所有传入的位置参数打包成一个元组(tuple)。参数名不一定是args但前面的星号*是必须的这是一种约定俗成的写法。def sum_all(*numbers): total 0 for num in numbers: # numbers 是一个元组 total num return total print(sum_all(1, 2, 3)) # 输出: 6 print(sum_all(10, 20, 30, 40)) # 输出: 100**kwargs会将所有传入的关键字参数打包成一个字典(dict)。参数名也不一定是kwargs但双星号**是必须的。def build_profile(**user_info): profile {} for key, value in user_info.items(): # user_info 是一个字典 profile[key] value return profile user build_profile(name“Alice”, age30, city“New York”) print(user) # 输出: {‘name’: ‘Alice’, ‘age’: 30, ‘city’: ‘New York’}可变参数最常见的应用场景之一是编写装饰器、包装函数或实现高度灵活的API。例如你想写一个通用的日志函数它可以记录任何其他函数的调用参数和结果。2.5 参数组合的完整顺序在一个函数定义中你可以组合使用以上所有类型的参数但必须遵循严格的顺序规则def func(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2, **kwargs)这个复杂的签名可以分解为几个部分纯位置参数在/之前的参数只能通过位置传递。位置或关键字参数在/之后、*之前的参数可以通过位置或关键字传递。纯关键字参数在*之后的参数只能通过关键字传递。可变关键字参数**kwargs 收集所有未匹配的关键字参数。/和*符号在函数定义中用作分隔符它们本身不是参数。/表示它之前的参数只能是位置参数Python 3.8 引入*表示它之后的参数只能是关键字参数。def complex_func(a, b, /, c, d, *, e, f, **options): print(a, b, c, d, e, f, options) complex_func(1, 2, 3, d4, e5, f6, extra“hi”) # a1 (位置), b2 (位置), c3 (位置), d4 (关键字), e5 (关键字), f6 (关键字) # options {‘extra’: ‘hi’}这种设计强制了API的清晰性。例如如果一个函数的前两个参数是(x, y)坐标你希望调用者永远不要用x1, y2的方式调用因为容易写反就可以把它们放在/之前强制使用位置参数。3. 参数传递的底层机制是传值还是传引用这是一个经典问题。Python的参数传递机制更准确的说法是“传递对象的引用”。当你调用函数时实参一个对象的引用被赋值给了形参一个局部变量名。这意味着如果实参是不可变对象如整数、字符串、元组在函数内部修改形参的值只会让形参指向一个新的对象不会影响外部的实参。如果实参是可变对象如列表、字典、集合通过形参修改这个对象的内容例如向列表添加元素会直接影响外部的实参因为形参和实参引用的是同一个对象。def modify_data(num, my_list): num 10 # num是局部变量现在指向新的整数10不影响外部的a my_list.append(4) # 修改了my_list指向的列表对象本身外部的b会看到变化 my_list [7,8,9] # my_list现在指向一个新的列表不影响外部的b a 1 b [1, 2, 3] modify_data(a, b) print(a) # 输出: 1 (未变) print(b) # 输出: [1, 2, 3, 4] (已变)理解这一点至关重要。它解释了为什么修改列表参数会影响外部而修改数字参数不会。这也提醒我们如果不想函数意外修改外部可变对象应该传入它的副本例如my_list.copy()或my_list[:]。4. 高级应用与设计模式掌握了基础语法后我们可以看看参数机制如何赋能更高级的编程模式。4.1 函数柯里化与偏函数虽然Python没有原生的一等柯里化支持但我们可以利用参数来模拟或者使用functools.partial来创建“偏函数”。偏函数允许你“冻结”函数的一部分参数生成一个新的、参数更少的函数。from functools import partial def power(base, exponent): return base ** exponent # 创建一个计算平方的函数 square partial(power, exponent2) print(square(5)) # 输出: 25 # 创建一个计算立方的函数 cube partial(power, exponent3) print(cube(3)) # 输出: 27这在配置回调函数、创建特定场景的工具函数时非常有用。例如在GUI编程中你可能需要将一个带额外参数的函数绑定到一个按钮的点击事件上。4.2 使用*和**进行参数解包与收集参数相反你还可以在函数调用时使用*和**来解包序列和字典将其内容作为单独的参数传递。def func(a, b, c): print(a, b, c) args (1, 2, 3) func(*args) # 等价于 func(1, 2, 3) kwargs {‘b’: 20, ‘a’: 10, ‘c’: 30} func(**kwargs) # 等价于 func(a10, b20, c30)这在需要动态调用函数时极其强大。例如从配置文件或数据库读取参数然后调用相应的处理函数。4.3 类型注解与参数约束从Python 3.5开始引入了类型注解Type Hints。虽然Python运行时不会强制检查类型但它为静态类型检查器如mypy、IDE和文档提供了宝贵的信息能极大提升代码的可读性和可维护性。from typing import Optional, List def process_items( items: List[str], # items 应该是一个字符串列表 threshold: int 0, # threshold 是整数默认0 prefix: Optional[str] None # prefix 是可选的字符串或None ) - List[str]: # 函数返回一个字符串列表 if prefix is None: prefix “Item_” return [f”{prefix}{item}” for item in items if len(item) threshold] # 好的IDE会根据注解提供自动补全和错误提示 result process_items([“a”, “ab”, “abc”], threshold1) print(result) # 输出: [‘Item_ab’, ‘Item_abc’]使用类型注解是一种非常好的实践尤其是在团队协作或开发大型项目时。它像一份清晰的合同说明了函数期望什么以及会返回什么。5. 实战避坑指南与性能考量理论懂了上手写还是容易踩坑。这里分享几个我实践中总结的经验。5.1 参数设计的最佳实践限制参数数量一个函数的参数最好不超过5个。如果参数太多说明函数可能承担了过多的职责应考虑拆分成多个小函数或使用对象类来封装相关数据。使用关键字参数提高可读性对于布尔标志、配置选项等含义不直观的参数强制或鼓励使用关键字参数。可以通过将它们放在*之后定义为纯关键字参数来实现。为参数提供清晰的默认值默认值应该是最常用、最安全的选项。避免使用None作为默认值除非它确实表示“没有”或“未设置”的状态。对于可变默认值务必使用None并在内部处理。善用类型注解即使项目不强制使用mypy添加类型注解也能作为高质量的文档帮助你和你的同事理解代码。5.2 可变参数的陷阱*args和**kwargs很强大但滥用会让函数签名变得不透明调用者无法从函数定义一眼看出它接受哪些参数。它们最适合用于以下场景编写装饰器。继承中子类需要将未知参数传递给父类。实现代理或包装函数。定义真正需要高度灵活性的API如print(*values, sep’ ‘, end’\n’, filesys.stdout, flushFalse)。对于大多数普通函数明确列出参数名是更好的选择。5.3 性能影响每次函数调用Python都需要进行参数匹配和绑定。对于在紧密循环中调用数百万次的微小函数参数处理可能成为瓶颈。在这种情况下尽量减少参数数量。考虑将相关参数封装到一个轻量级对象如tuple、namedtuple或dataclass中一次性传入。对于极其性能敏感的代码可以将函数逻辑内联或者使用functools.lru_cache对纯函数进行缓存。5.4 调试技巧查看参数绑定当你遇到参数传递相关的诡异bug时可以在函数内部使用locals()函数查看所有局部变量包括绑定好的参数或者使用inspect模块。import inspect def debug_func(a, b10, *args, **kwargs): frame inspect.currentframe() args_info inspect.getargvalues(frame) print(“Arguments received:”) for arg in args_info.args: print(f” {arg} {args_info.locals[arg]}”) if args_info.varargs: print(f” *{args_info.varargs} {args_info.locals[args_info.varargs]}”) if args_info.keywords: print(f” **{args_info.keywords} {args_info.locals[args_info.keywords]}”) debug_func(1, 2, 3, 4, extra“info”)这个技巧在编写复杂框架或调试装饰器时尤其有用。函数参数是Python灵活性和表现力的核心特性之一。从简单的数据传递到复杂的API设计再到元编程和装饰器都离不开对参数机制的深刻理解。花时间掌握它你的代码将从“能运行”跃升到“清晰、健壮、专业”的层次。记住好的函数设计始于清晰、直观的参数列表。
双梁正问题 【 torch 实战】（Python代码实现）)
