总结的几个Python函数方法设计原则

在任何编程语言中,函数的应用主要出于以下两种情况:

1.代码块重复，这时候必须考虑用到函数，降低程序的冗余度
2.代码块复杂，这时候可以考虑用到函数，增强程序的可读性

当流程足够繁杂时，就要考虑函数，及如何将函数组合在一起。在Python中做函数设计，主要考虑到函数大小、聚合性、耦合性三个方面，这三者应该归结于规划与设计的范畴。高内聚、低耦合则是任何语言函数设计的总体原则。

1.如何将任务分解成更有针对性的函数从而导致了聚合性
2.如何设计函数间的通信则又涉及到耦合性
3.如何设计函数的大小用以加强其聚合性及降低其耦合性

【聚合】

每个函数只做一件事

完美的程序设计，每个函数应该而且只需做一件事。
比如说:把大象放进冰箱分三步:把门打开、把大象放进去、把门关上。
这样就应该写三个函数而不是一个函数拿所有的事全做了。这样结构清晰，层次分明，也好理解！

【大小】

保持简单、保持简短

Python即是面向过程的语言，也是面向对象的语言，但更多的是充当脚本语言的角色。
同样的功能，使用Python来实现其代码长度也许是C/C++/Java等语言的1/3. 几百行代码就能实现不小的功能！
如果项目中设计的一个函数需要翻页才能看完的话，就要考虑将函数拆分了。
在Python自带的200多个模块中，很少看到某个函数有两、三页的。
Python代码以简单明了著称，一个过长或者有着深层嵌套的函数往往成为设计缺陷的征兆。

【耦合】

输入使用参数、输出使用return语句

这样做可以让函数独立于它外部的东西。参数和return语句就是隔离外部依赖的最好的办法。

慎用全局变量

第一重考虑: 全局变量通常是一种蹩脚的函数间的进行通信的方式。
它会引发依赖关系和计时的问题，从而会导致程序调试和修改的困难。

第二重考虑: 从代码及性能优化来考虑，本地变量远比全局变量快。
根据Python对变量的搜索的先后顺序: 本地函数变量==》上层函数变量==》全局变量==》内置变量
从上面可以看出，本地变量优先被搜索，一旦找到，就此停下。下面专门对其做了测试，测试结果如下:

import profile  A = 5  def param_test():   B = 5   res = 0   for i in range(100000000):     res = B + i   return res      if __name__=='__main__':   profile.run('param_test()') >>> ===================================== RESTART ===================================== >>>       5 function calls in 37.012 seconds #全局变量测试结果:37 秒     Ordered by: standard name     ncalls tottime percall cumtime percall filename:lineno(function)     1  19.586  19.586  19.586  19.586 :0(range)     1  1.358  1.358  1.358  1.358 :0(setprofile)     1  0.004  0.004  35.448  35.448 <string>:1(<module>)     1  15.857  15.857  35.443  35.443 Learn.py:5(param_test)     1  0.206  0.206  37.012  37.012 profile:0(param_test())     0  0.000       0.000     profile:0(profiler)     >>> ===================================== RESTART ===================================== >>>       5 function calls in 11.504 seconds  #局部变量测试结果: 11 秒     Ordered by: standard name     ncalls tottime percall cumtime percall filename:lineno(function)     1  3.135  3.135  3.135  3.135 :0(range)     1  0.006  0.006  0.006  0.006 :0(setprofile)     1  0.000  0.000  11.497  11.497 <string>:1(<module>)     1  8.362  8.362  11.497  11.497 Learn.py:5(param_test)     1  0.000  0.000  11.504  11.504 profile:0(param_test())     0  0.000       0.000     profile:0(profiler)