feat(python基础): 完成第十一至十三课教学内容

This commit is contained in:
zhiye.sun
2026-08-03 14:22:36 +08:00
parent b5023b8e25
commit 298e5b46ea
11 changed files with 1862 additions and 29 deletions

View File

@@ -0,0 +1,381 @@
# 第 1-13 课:函数进阶
## 一、本课目标
完成本课后,你将能够:
1. 使用 `return` 一次返回多个结果;
2. 使用提前返回减少不必要的嵌套;
3. 使用 `*args` 接收任意数量的位置参数;
4. 使用 `**kwargs` 接收任意数量的关键字参数;
5. 使用 `*``**` 在调用函数时解包数据;
6. 根据不同任务选择普通参数、`*args``**kwargs`
7. 继续练习让函数保持清晰、职责单一。
## 二、前置知识
学习本课前,需要理解:
- 如何使用 `def` 定义函数;
- 如何调用函数;
- 位置参数、关键字参数和默认参数;
- `print()``return` 的区别;
- 列表、元组和字典;
- 条件判断和循环。
## 三、一次返回多个结果
一个函数可以在 `return` 后面写多个值:
```python
def get_agent_summary(agent):
return agent["name"], len(agent.get("tools", []))
agent_name, tool_count = get_agent_summary({
"name": "代码助手",
"tools": ["搜索", "终端"],
})
print(agent_name)
print(tool_count)
```
Python 实际上会先把多个返回值组合成一个元组,再把元组解包给多个变量。
也可以只用一个变量接收:
```python
summary = get_agent_summary({"name": "聊天助手", "tools": []})
print(summary)
print(type(summary))
```
此时 `summary` 是元组,例如 `("聊天助手", 0)`
## 四、提前返回
`return` 不只负责返回结果,还会立即结束当前函数。
```python
def get_agent_status(agent):
if not agent.get("enabled", False):
return "停用"
return "启用"
```
如果 Agent 没有启用,函数执行第一个 `return` 后就结束,不会继续执行下面的代码。
这种写法称为提前返回Early Return。它适合先处理无效数据或特殊情况避免出现太多层缩进。
## 五、使用 `*args` 接收多个位置参数
有时无法提前确定调用者会传入几个位置参数,这时可以使用 `*args`
```python
def count_tools(*tools):
return len(tools)
print(count_tools("搜索"))
print(count_tools("搜索", "终端", "计算器"))
```
这里的 `args` 是 arguments 的缩写,表示“多个参数”。
需要注意:
- 参数名前面的 `*` 才是关键;
- `args` 是约定俗成的名称,也可以换成其他名称;
- 函数内部的 `tools` 是一个元组;
- 即使没有传入任何工具,`tools` 也是空元组。
```python
def show_tools(*tools):
print(tools)
print(type(tools))
```
## 六、普通参数和 `*args` 一起使用
普通参数可以写在 `*args` 前面:
```python
def build_tool_message(agent_name, *tools):
return f"{agent_name} 拥有 {len(tools)} 个工具"
message = build_tool_message("代码助手", "搜索", "终端")
print(message)
```
调用时,第一个位置参数交给 `agent_name`,剩余位置参数都被收集到 `tools` 元组中。
## 七、使用 `**kwargs` 接收多个关键字参数
如果无法提前确定调用者会传入哪些关键字参数,可以使用 `**kwargs`
```python
def build_agent_config(**config):
return config
agent_config = build_agent_config(
name="代码助手",
model="gpt-5",
enabled=True,
)
print(agent_config)
```
`kwargs` 是 keyword arguments 的缩写,中文可理解为“多个关键字参数”。
函数内部的 `config` 是字典:
```python
{
"name": "代码助手",
"model": "gpt-5",
"enabled": True,
}
```
同样,参数名前面的两个星号 `**` 才是关键,`kwargs` 只是常见命名。
## 八、普通参数和 `**kwargs` 一起使用
```python
def create_agent(name, **settings):
return {
"name": name,
"settings": settings,
}
agent = create_agent("代码助手", model="gpt-5", enabled=True)
print(agent)
```
`name` 接收普通参数,其他关键字参数被收集到 `settings` 字典中。
## 九、调用函数时使用 `*` 解包列表或元组
星号也可以出现在函数调用中。此时它表示把列表或元组中的元素依次作为位置参数传入。
```python
def add_three_numbers(first, second, third):
return first + second + third
numbers = [10, 20, 30]
total = add_three_numbers(*numbers)
print(total)
```
上面的调用相当于:
```python
total = add_three_numbers(10, 20, 30)
```
元素数量必须与函数所需的位置参数数量匹配,否则会产生 `TypeError`
## 十、调用函数时使用 `**` 解包字典
两个星号可以把字典解包成关键字参数:
```python
def describe_agent(name, model):
return f"{name} 使用 {model}"
agent_data = {
"name": "代码助手",
"model": "gpt-5",
}
description = describe_agent(**agent_data)
print(description)
```
上面的调用相当于:
```python
description = describe_agent(name="代码助手", model="gpt-5")
```
字典的键必须与函数参数名一致。
## 十一、如何选择参数形式
### 使用普通参数
参数数量固定、含义明确时,优先使用普通参数:
```python
def get_total(first_number, second_number):
return first_number + second_number
```
### 使用 `*args`
需要接收数量不固定的同类位置参数时使用:
```python
def count_tools(*tools):
return len(tools)
```
### 使用 `**kwargs`
需要接收数量或名称不固定的配置项时使用:
```python
def build_config(**config):
return config
```
不要为了显得代码高级而强行使用 `*args``**kwargs`。参数固定时,普通参数通常更清楚。
## 十二、完整示例
本课示例文件为:
```text
01_python基础/1_13_函数进阶/advanced_functions.py
```
示例会依次演示:
1. 返回多个结果;
2. 提前返回;
3. 使用 `*args`
4. 使用 `**kwargs`
5. 解包列表和字典后调用函数。
## 十三、运行方法
在项目根目录执行:
```powershell
python .\01_python基础\1_13_函数进阶\advanced_functions.py
```
运行练习:
```powershell
python .\01_python基础\1_13_函数进阶\practice.py
```
## 十四、示例运行结果
```text
一、返回多个结果
Agent 名称:代码助手
工具数量2
==============================
二、提前返回
启用
停用
==============================
三、任意数量的位置参数
工具数量3
==============================
四、任意数量的关键字参数
{'name': '代码助手', 'model': 'gpt-5', 'enabled': True}
==============================
五、调用时解包数据
数字总和60
代码助手 使用 gpt-5
```
字典的显示格式可能因环境而略有差异,但键和值应当一致。
## 十五、关键代码解析
```python
def count_tools(*tools):
return len(tools)
```
执行顺序如下:
1. 调用者传入零个或多个位置参数;
2. `*` 把这些参数收集到 `tools`
3. `tools` 在函数内部是元组;
4. `len()` 统计元组中的元素数量;
5. `return` 把数量交给调用者。
```python
def build_agent_config(**config):
return config
```
执行顺序如下:
1. 调用者传入零个或多个关键字参数;
2. `**` 把参数名称和值收集到 `config`
3. `config` 在函数内部是字典;
4. 函数把字典返回给调用者。
## 十六、常见错误
### 16.1 混淆 `*args` 和 `**kwargs`
- `*args` 收集位置参数,函数内部得到元组;
- `**kwargs` 收集关键字参数,函数内部得到字典。
### 16.2 忘记星号
`args``kwargs` 本身只是普通名称。真正产生收集效果的是 `*``**`
### 16.3 解包后的参数数量不匹配
如果函数需要三个参数,列表却只有两个元素,会产生 `TypeError`,表示调用时提供的参数数量不正确。
### 16.4 字典键与参数名不一致
使用 `**dictionary` 调用函数时,字典键必须能对应函数参数名。
### 16.5 在 `return` 后继续编写必须执行的代码
函数执行到 `return` 就会结束,写在同一执行路径后面的代码不会运行。
### 16.6 所有函数都使用可变参数
固定且明确的数据应继续使用普通参数。过度使用可变参数会降低可读性。
## 十七、课堂练习
打开:
```text
01_python基础/1_13_函数进阶/practice.py
```
练习题已经明确提供输入数据、实现步骤、返回要求和预期结果。请先独立完成,再进行验证。
## 十八、本课小结
1. `return value1, value2` 可以返回多个结果;
2. 多个返回值实际会组合成元组;
3. 提前返回可以尽早结束函数;
4. `*args` 收集位置参数并形成元组;
5. `**kwargs` 收集关键字参数并形成字典;
6. 调用函数时,`*` 可以解包列表或元组;
7. 调用函数时,`**` 可以解包字典;
8. 参数固定时应优先使用普通参数。
## 十九、验收标准
- 能正确接收函数的多个返回值;
- 能解释 `return` 为什么会结束函数;
- 能使用 `*args` 接收不同数量的位置参数;
- 能说明 `*args` 在函数内部是元组;
- 能使用 `**kwargs` 接收关键字参数;
- 能说明 `**kwargs` 在函数内部是字典;
- 能使用 `*` 解包列表或元组后调用函数;
- 能使用 `**` 解包字典后调用函数;
- 示例程序和练习程序可以正常运行。

View File

@@ -0,0 +1,100 @@
# 第 1-13 课示例:函数进阶
#
# 本文件依次演示:
# 1. 返回多个结果;
# 2. 提前返回;
# 3. 使用 *args 接收任意数量的位置参数;
# 4. 使用 **kwargs 接收任意数量的关键字参数;
# 5. 在调用函数时解包列表和字典。
def print_separator():
"""输出分隔线,让不同示例的结果更容易区分。"""
print("=" * 30)
def get_agent_summary(agent):
"""返回 Agent 名称和工具数量。"""
agent_name = agent["name"]
tool_count = len(agent.get("tools", []))
return agent_name, tool_count
def get_agent_status(agent):
"""根据 Agent 的 enabled 配置返回中文状态。"""
# get() 的第二个参数 False 是默认值。
# 如果字典中没有 enabled就把它当作未启用处理。
if not agent.get("enabled", False):
return "停用"
# 前面的条件成立时,函数已经提前结束。
# 因此执行到这里时,可以确定 Agent 已经启用。
return "启用"
def count_tools(*tools):
"""返回调用者传入的工具数量。"""
# tools 在函数内部是元组,可以使用 len() 统计元素数量。
return len(tools)
def build_agent_config(**config):
"""把关键字参数收集成 Agent 配置字典并返回。"""
# config 在函数内部是字典。
return config
def add_three_numbers(first, second, third):
"""返回三个数字的和。"""
return first + second + third
def describe_agent(name, model):
"""返回包含 Agent 名称和模型的描述文本。"""
return f"{name} 使用 {model}"
print("一、返回多个结果")
example_agent = {
"name": "代码助手",
"tools": ["搜索", "终端"],
}
agent_name, tool_count = get_agent_summary(example_agent)
print(f"Agent 名称:{agent_name}")
print(f"工具数量:{tool_count}")
print_separator()
print("二、提前返回")
print(get_agent_status({"name": "代码助手", "enabled": True}))
print(get_agent_status({"name": "聊天助手", "enabled": False}))
print_separator()
print("三、任意数量的位置参数")
available_tool_count = count_tools("搜索", "终端", "计算器")
print(f"工具数量:{available_tool_count}")
print_separator()
print("四、任意数量的关键字参数")
agent_config = build_agent_config(
name="代码助手",
model="gpt-5",
enabled=True,
)
print(agent_config)
print_separator()
print("五、调用时解包数据")
numbers = [10, 20, 30]
total = add_three_numbers(*numbers)
print(f"数字总和:{total}")
agent_data = {
"name": "代码助手",
"model": "gpt-5",
}
description = describe_agent(**agent_data)
print(description)

View File

@@ -0,0 +1,119 @@
# 第 1-13 课课堂练习Agent 函数工具箱进阶
#
# 完成要求:
# 1. 按照每道题给出的函数名、参数、测试数据和预期结果完成代码。
# 2. 需要继续使用的结果必须通过 return 返回,再由调用者使用 print() 输出。
# 3. 使用有意义的英文蛇形函数名和变量名。
# 4. 函数体使用四个空格缩进。
# 5. 不要删除题目注释。
# 6. 完成后运行本文件,并逐项核对预期结果。
# 练习一:定义一个返回多个结果的函数。
# 1. 定义 get_model_summary(models) 函数,参数 models 接收模型名称列表。
# 2. 函数使用 len(models) 得到模型数量。
# 3. 使用 models[0] 得到第一个模型名称。
# 4. 使用一个 return 同时返回“模型数量”和“第一个模型名称”。
# 5. 使用 ["gpt-5", "o3", "claude"] 调用函数,并用两个变量接收返回值。
# 6. 分别输出两个变量预期输出3 和 gpt-5。
# 练习二:观察多个返回值的真实数据类型。
# 1. 再次调用练习一的 get_model_summary()。
# 2. 这次只使用一个变量 summary 接收全部返回值。
# 3. 输出 summary 和 type(summary)。
# 4. 预期 summary 为 (3, "gpt-5"),类型为 tuple。
# 练习三:使用提前返回处理无效数据。
# 1. 定义 calculate_average(scores) 函数scores 接收分数列表。
# 2. 如果 scores 是空列表,立即使用 return 返回 0。
# 3. 如果列表非空,返回 sum(scores) / len(scores)。
# sum() 用于计算列表中所有数字的总和。
# 4. 第一次使用 [80, 90, 100] 调用,保存并输出结果,预期为 90.0。
# 5. 第二次使用空列表 [] 调用,保存并输出结果,预期为 0。
# 练习四:使用 *args 接收任意数量的工具。
# 1. 定义 count_agent_tools(*tools) 函数。
# 2. 函数内部使用 len(tools) 统计工具数量,并使用 return 返回。
# 3. 调用 count_agent_tools("搜索", "终端", "计算器"),保存并输出结果。
# 4. 再调用一次 count_agent_tools(),本次不传任何工具。
# 5. 两次预期输出分别为 3 和 0。
# 可参考 advanced_functions.py 中 count_tools(*tools) 的写法。
# 练习五:确认 *args 在函数内部是元组。
# 1. 定义 collect_models(*models) 函数。
# 2. 函数直接使用 return 返回 models。
# 3. 传入 "gpt-5"、"o3" 和 "claude" 调用函数,把返回值保存到 collected_models。
# 4. 输出 collected_models 和它的类型。
# 5. 预期输出内容为 ("gpt-5", "o3", "claude"),类型为 tuple。
# 练习六:组合普通参数和 *args。
# 1. 定义 build_agent_tool_message(agent_name, *tools) 函数。
# 2. 使用 return 返回:"{agent_name} 拥有 {len(tools)} 个工具"。
# 3. 使用 "代码助手"、"搜索"、"终端" 调用函数,保存并输出返回值。
# 4. 预期输出:代码助手 拥有 2 个工具。
# 练习七:使用 **kwargs 收集关键字参数。
# 1. 定义 build_runtime_config(**settings) 函数。
# 2. 函数直接使用 return 返回 settings。
# 3. 使用以下三个关键字参数调用函数:
# model="gpt-5"、timeout=30、enabled=True。
# 4. 把返回值保存到 runtime_config并输出它和它的类型。
# 5. 预期字典包含三个对应键值,类型为 dict。
# 可参考 advanced_functions.py 中 build_agent_config(**config) 的写法。
# 练习八:组合普通参数和 **kwargs。
# 1. 定义 create_agent(name, **settings) 函数。
# 2. 函数返回一个字典,结构必须是:
# {"name": name, "settings": settings}
# 3. 使用 name="代码助手"、model="gpt-5"、enabled=True 调用函数。
# 4. 保存并输出返回值。
# 5. 预期结果中的 name 为“代码助手”settings 是包含 model 和 enabled 的字典。
# 练习九:使用 * 解包列表后调用函数。
# 1. 定义 multiply_three_numbers(first, second, third) 函数。
# 2. 函数使用 return 返回三个数字的乘积。
# 3. 创建列表 numbers = [2, 3, 4]。
# 4. 使用 multiply_three_numbers(*numbers) 调用函数,而不是手动写三个参数。
# 5. 保存并输出返回值预期输出24。
# 练习十:使用 ** 解包字典后调用函数。
# 1. 定义 build_model_message(name, model) 函数。
# 2. 函数使用 return 返回:"{name} 使用模型 {model}"。
# 3. 创建字典:
# agent_data = {"name": "搜索助手", "model": "o3"}
# 4. 使用 build_model_message(**agent_data) 调用函数。
# 5. 保存并输出返回值,预期输出:搜索助手 使用模型 o3。
# 预期核心结果:
# 练习一分别得到 3 和 gpt-5
# 练习二确认多个返回值组成 tuple
# 非空分数列表的平均分为 90.0,空列表结果为 0
# count_agent_tools() 分别返回 3 和 0
# collect_models() 返回元组;
# Agent 工具消息显示 2 个工具;
# **kwargs 收集到的数据类型为 dict
# create_agent() 返回包含 name 和 settings 的嵌套字典;
# 三个数字的乘积为 24
# 字典解包后生成“搜索助手 使用模型 o3”。
# 完成后进行自查:
# 1. 多个返回值是否使用多个变量正确接收;
# 2. 只用一个变量接收多个返回值时,是否得到元组;
# 3. 空列表是否通过提前返回避免了除以零;
# 4. *args 在函数内部是否被当作元组使用;
# 5. **kwargs 在函数内部是否被当作字典使用;
# 6. 普通参数是否写在 *args 或 **kwargs 前面;
# 7. 调用时的 * 是否正确解包列表;
# 8. 调用时的 ** 是否正确解包字典;
# 9. 需要继续使用的计算结果是否通过 return 返回。