Python函数值传递引用传递及形式参数和实际参数的区别
通常情况下，定义函数时都会选择有参数的函数形式，函数参数的作用是传递数据给函数，令其对接收的数据做具体的操作处理。
在使用函数时，经常会用到形式参数（简称“形参”）和实际参数（简称“实参”），二者都叫参数，之间的区别是：
- 形式参数：在定义函数时，函数名后面括号中的参数就是形式参数，例如:
#定义函数时，这里的函数参数 obj 就是形式参数 def demo(obj) print(obj)
- 实际参数：在调用函数时，函数名后面括号中的参数称为实际参数，也就是函数的调用者给函数的参数。例如:
a = "python" #调用已经定义好的 demo 函数，此时传入的函数参数 a 就是实际参数 demo(a)
实参和形参的区别，就如同剧本选主角，剧本中的角色相当于形参，而演角色的演员就相当于实参。
明白了什么是形参和实参后，再来想一个问题，那就是实参是如何传递给形参的呢？
Python 中，根据实际参数的类型不同，函数参数的传递方式可分为 2 种，分别为值传递和引用（地址）传递：
- 值传递：适用于实参类型为不可变类型（字符串、数字、元组）；
- 引用（地址）传递：适用于实参类型为可变类型（列表，字典）；
值传递和引用传递的区别是，函数参数进行值传递后，若形参的值发生改变，不会影响实参的值；而函数参数继续引用传递后，改变形参的值，实参的值也会一同改变。
例如，定义一个名为 demo 的函数，分别为传入一个字符串类型的变量（代表值传递）和列表类型的变量（代表引用传递）：
def demo(obj) :
obj += obj
print("形参值为：",obj)
print("-------值传递-----")
a = "python"
print("a的值为：",a)
demo(a)
print("实参值为：",a)
print("-----引用传递-----")
a = [1,2,3]
print("a的值为：",a)
demo(a)
print("实参值为：",a)运行结果为：
-------值传递-----
a的值为： python
形参值为： pythonpython
实参值为： python
-----引用传递-----
a的值为： [1, 2, 3]
形参值为： [1, 2, 3, 1, 2, 3]
实参值为： [1, 2, 3, 1, 2, 3]
分析运行结果不难看出，在执行值传递时，改变形式参数的值，实际参数并不会发生改变；而在进行引用传递时，改变形式参数的值，实际参数也会发生同样的改变。
到此这篇关于Python函数值传递引用传递及形式参数和实际参数的区别的文章就介绍到这了,更多相关Python函数值传递内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
如何以Winsows Service方式运行JupyterLab
这篇文章主要介绍了如何以Winsows Service方式运行JupyterLab的教程2020-08-08
一起解密Python中的*args和**kwargs无限可能的函数参数
这篇文章主要来跟大家一起解密Python中的*args和**kwargs无限可能的函数参数使用的灵活性，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-06-06
这篇文章主要介绍了Python数据清洗之利用pandas筛选数据详解,Pandas是一个用于数据分析和处理的Python库,它提供了高效的数据结构和数据分析工具,使得数据的清洗、转换、分析和可视化变得更加容易和灵活,需要的朋友可以参考下2023-08-08
python机器学习XGBoost梯度提升决策树的高效且可扩展实现
这篇文章主要为大家介绍了python机器学习XGBoost梯度提升决策树的高效且可扩展实现,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
这篇文章主要介绍了Python多线程编程（一）：threading模块综述,本文讲解了threading模块、Thread类、Queue提供的类等内容,需要的朋友可以参考下2015-04-04
python的scrapy框架之Pipeline文件的用法详解
这篇文章主要介绍了python的scrapy框架之Pipeline文件的用法详解,Pipeline是一个独立的模块,用于处理从Spider中提取的Item对象,实现对数据的进一步处理、存储和清洗等操作,下面将详细介绍Scrapy框架中Pipeline的用法,需要的朋友可以参考下2023-10-10
这篇文章主要介绍了基于Python socket的端口扫描程序实例代码，分享了相关代码示例，小编觉得还是挺不错的，具有一定借鉴价值，需要的朋友可以参考下2018-02-02
Python是数据处理常用工具，可以处理数量级从几K至几T不等的数据，具有较高的开发效率和可维护性，还具有较强的通用性和跨平台性，这里就为大家分享几个不错的数据分析工具,需要的朋友可以参考下2018-04-04
Pandas是最流行的用于数据分析的 Python 库。它提供高度优化的性能。本文将利用Python进行数据分析，感兴趣的小伙伴可以跟随小编一起学习一下2022-09-09
这篇文章主要介绍了Linux上使用Python统计每天的键盘输入次数，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-04-04
最新评论