Od zera do mistrza Big Data i uczenia maszynowego w Pythonie. Część 5. Funkcje

Dotarliśmy do tego fragmentu kursu, gdzie znamy podstawowe typy zmiennych prostych i sekwencyjnych. Umiemy robić jawne konwersje, rozumiemy zmienne logiczne, potrafimy wykorzystywać warunki logiczne i sterować programem wykorzystując pętle.

Przyszedł czas by pochylić się nad jednym z ważniejszych elementów , czyli podprogramami zwanymi funkcjami.

Funkcja to fragment kodu , który może być wielokrotnie wykorzystywany w różnych miejscach naszego programu.

W języku Python składnia definicji funkcji jest następująca:

def nazwa_funkcji ( lista_parametrow):
  instrukcje_do_wykonania

Skupimy się nad:

• parametrami formalnymi
  zmiennymi aktualnymi
  zmiennymi lokalnymi
  zmiennymi globalnymi.

Ważne będzie zrozumienie działania przestrzeni nazw, słów kluczowych global, nonlocal.

Funkcje mogą mieć nieznaną liczbę argumentów. Mogą być budowane rekurencyjnie. Poznamy sposoby przekazywania argumentów  i sprawdzanie ich poprawności.Nauczymy się korzystać z wartości domyślnych i parametrów specjalnych.
Poznamy również wyrażenia lambda, które pozwalają nam na tworzenie mini-funkcji.

Dobrą praktyką jest umieszczanie na początku funkcji jej dokumentacji. Ten docstring powinien zawierać listę argumentów i znaczenie i opis działania.

Kod notatnika Jupiter został jak zwykle umieszczony na Githubie

Podgląd:

https://nbviewer.jupyter.org/github/djkormo/PythonForML/blob/master/intro/Kurs_4_funkcje.ipynb

Uruchomienie:

https://mybinder.org/v2/gh/djkormo/PythonForML/master?filepath=intro/Kurs_4_funkcje.ipynb

Po uruchomieniu kontenera należy wyczyścić informacje wyjściowe za pomocą menu Kernel -> Restart & Clear Output.

Reenredowane wtyczką WP:

Poprzednia część