Python函数定义与调用：参数传递及返回值基础教程

编写高质量 Python 程序的关键之一，在于将复杂业务拆解为职责明确、便于复用的函数。函数是组织好的、可重复利用的代码块，负责实现特定的单一功能。本文系统梳理从函数声明关键字 def、函数调用机制，到实参与形参匹配、底层引用传递本质，以及返回值控制的完整知识链条，配合流程示意图与标准示例，帮助读者建立扎实可靠的函数编程基础。

一、函数基本结构：从定义到调用

在 Python 中，声明函数使用 def（define 的简写）关键字，后跟函数名称、圆括号 () 以及冒号 :，随后通过严格缩进的代码块构成函数体。函数定义完成后并不会自动执行，只有当程序显式使用“函数名+圆括号”发起调用时，解释器才会跳转并执行其内部指令。

# 示例：基础函数的声明与调用
def calculate_rectangle_area(width, height):
    """计算矩形面积并返回结果。"""
    area = width * height
    return area

# 调用函数并接收返回值
result = calculate_rectangle_area(12, 8)
print("矩形面积为：", result)  # 输出：矩形面积为： 96

一次完整的函数执行通常经历四个连续阶段：首先是函数声明解析，解释器在内存中创建函数对象；其次是调用指令触发，计算传入实参并建立独立调用栈帧；随后在独立作用域内执行语句；最后通过 return 指令回传数据并销毁栈帧。

二、形参与实参：五类参数传递规则

在函数声明中出现的变量称为形参（Parameter），它属于局部占位符；而在调用函数时传入的真实数据或表达式结果称为实参（Argument）。Python 提供了极具弹性的参数传递语法，但必须遵循固定的语法先后次序。

1. 位置参数与关键字参数

最标准的传参方式是位置参数，实参与形参按照从左到右的位置次序一对一绑定。若希望代码具备更强自解释性或希望打破传参顺序，可显式指定形参名称，即关键字参数。

def create_user_profile(username, role, status):
    return f"用户:{username} | 角色:{role} | 状态:{status}"

# 按照位置传递
print(create_user_profile("Alice", "Admin", "Active"))

# 使用关键字参数指定，顺序可调换
print(create_user_profile(status="Active", username="Bob", role="Editor"))

2. 默认参数及致命陷阱

可以在函数定义时为形参提供默认初值。调用方如果未传入该参数，解释器会自动代入默认值。所有默认参数必须声明在无默认值的位置参数之后，否则会直接引发 SyntaxError: non-default argument follows default argument。

# 错误示范：多个调用方共享同一个 default 列表
def bad_append(item, target_list=[]):
    target_list.append(item)
    return target_list

# 正确做法：使用 None 作为哨兵值
def safe_append(item, target_list=None):
    if target_list is None:
        target_list = []
    target_list.append(item)
    return target_list

3. 可变参数：*args 与 **kwargs

当预先无法确定传入参数数量时，可以使用星号语法：单个星号 *args 将多余的位置参数收集为一个元组（Tuple）；双星号 **kwargs 将多余的关键字参数收集为一个字典（Dictionary）。

def universal_logger(event_type, *args, **kwargs):
    print(f"[事件类型] {event_type}")
    print(f"[位置数据] {args}")       # 元组形式
    print(f"[键值属性] {kwargs}")     # 字典形式

universal_logger("LOGIN", "192.168.1.1", "Firefox", user_id=1001, success=True)

三、底层剖析：Python参数传递的本质是“对象引用传递”

许多初学者经常困惑：Python 到底是“值传递”还是“引用传递”？官方定义为“对象引用传递”（Pass-by-object-reference）或“赋值传递”（Pass-by-assignment）。其实质是：函数调用时，形参和实参均成为同一个内存对象的“标签（引用）”。函数内部对参数的操作是否会影响外部变量，完全取决于传入对象的可变性（Mutability）：

• 不可变对象（Immutable：int、float、str、tuple）：在函数内部尝试修改该变量时（例如 num += 1），实际上是创建了一个全新的对象并将形参标签重新指向新对象。外部变量依然指向旧对象，因此外部值保持不变。
• 可变对象（Mutable：list、dict、set）：形参和实参共享同一份堆内存数据。若在函数内部使用原位修改方法（如 list.append() 或 dict[key] = val），则外部实参所观察到的数据同步发生改变。若形参执行整体赋值（如 lst = [1, 2]），则同样仅仅是局部重绑定，不影响外部。

四、返回值机制：从单一数据到解包赋值

函数通过 return 语句向外部调用者传递处理结果，并同时终止函数的执行流程。如果在函数体内未编写 return，或者写了不带任何表达式的 return，Python 会隐式返回 None。

1. 返回多个值的本质：元组封装

许多初学者认为 Python 支持“同时返回多个独立变量”，例如 return x, y, z。事实上，Python 解释器在底层自动将逗号分隔的多个对象封装（Pack）成了一个单一体——元组（Tuple）。调用方接收时，再通过序列解包（Unpacking）将其对应赋值给多个局部变量。

def get_coordinate_stat(points):
    min_x = min(p[0] for p in points)
    max_x = max(p[0] for p in points)
    center_x = (min_x + max_x) / 2
    # 语法表面上返回了三个值，底层等价于返回一个元组 (min_x, max_x, center_x)
    return min_x, max_x, center_x

point_list = [(2, 3), (8, 12), (5, 9)]

# 方式 1：利用序列解包分别赋值
low, high, mid = get_coordinate_stat(point_list)
print(f"下界:{low}, 上界:{high}, 中心:{mid}")

# 方式 2：用单一变量整体接收（得到元组）
stat_tuple = get_coordinate_stat(point_list)
print(f"整体元组: {stat_tuple}, 类型: {type(stat_tuple)}")

2. 卫语句（Guard Clauses）与提前返回

编写高质量业务函数时，推荐采用“卫语句”提早退出。当遇到不满足业务前置条件（如输入为空、格式不合法）时，立即 return 退出，避免深层 if-else 嵌套带来的可读性劣化。

# 推荐写法：利用卫语句尽早返回，降低嵌套层级
def process_order(order_id, user_status, balance):
    if user_status != "active":
        return False, "用户账户已被冻结"
    if balance <= 0:
        return False, "账户余额不足"

    # 核心业务逻辑直接平铺展开
    order_token = f"ORD_{order_id}_VERIFIED"
    return True, order_token

五、全景总结与生产级规范

为了编写出健壮、易维护的工程级 Python 函数，建议将参数定义、类型标注（Type Hints）、文档注释（Docstring）与防御式编程原则结合使用：

综上所述，函数在 Python 编程中兼具“逻辑抽象单元”与“作用域隔离容器”的双重角色。通过严格遵循形参次序、深入理解对象引用传递、杜绝可变默认参数并熟练运用卫语句，开发者能够编写出模块清晰、稳定且易于维护的高标准 Python 程序。