课程大纲

• 函数定义
• 函数的参数
• 函数的返回值
• 高阶函数
• 函数作用域
• 递归函数
• 匿名函数
• 内置函数
• 函数式编程
• 将函数存储在模块中

函数一词起源于数学，但是在编程中的函数和数学中的有很大不同。编程中的函数式组织好的，可重复使用的，用于实现单一功能或相关联功能的代码块。

我们在学习过程中已经使用过一些python内建的函数，如print()。但我们也可以自己创建函数，这被叫做用户自定义函数。

函数定义

定义一个函数

• python定义函数用def关键字，一般格式如下

1 def 函数名（参数列表）：
2     函数体

• 函数名的命名规则

函数名必须以下划线或字母开头，可以包含任意字母、数字或下划线的组合。不能使用任何的标点符号； 函数名是区分大小写的。 函数名不能是保留字。

1 def hello():
2     print('Hello neuedu')
3 
4 hello()
5 >>>:
6 Hello neuedu

• 形参和实参

形参：形式参数，不是实际存在，是虚拟变量。在定义函数和函数体的时候使用形参，目的是在函数调用时接收实参（实参个数，类型应与实参一一对应）

实参：实际参数，调用函数时传给函数的参数，可以是常量，变量，表达式，函数，传给形参

区别：形参是虚拟的，不占用内存空间，.形参变量只有在被调用时才分配内存单元，实参是一个变量，占用内存空间，数据传送单向，实参传给形参，不能形参传给实参

1 def area(width, height):
2     return width * height
3 w = 4
4 h = 5
5 print(area(w, h))
6 >>>:
7 20

width和height是形参，w=4和h=5是实参。

使用函数的好处

1 代码重用 2 便与修改，易扩展

我们就用一个例子来说明：

msg = 'abcdefg'

msg = msg[:2] + 'z' + msg[3:]

print(msg)

msg = '1234567'

msg = msg[:2] + '9' + msg[3:]

print(msg)

改进

def setstr(msg, index, char):
    return msg[:index] + 'char' + msg[index+1:]

msg = 'abcdefg'

setstr(msg, 2, 'z')

print(msg)

msg = '1234567'

setstr(msg, 2, '9')

print(msg)

函数的参数

• 必需参数
  必需参数须以正确的顺序传入函数。调用时的数量必须和声明时的一样。

1 def f(name,age):
2  
3     print('I am %s,I am %d'%(name,age))
4  
5 f('alex',18)
6 f('alvin',16)

• 关键字参数
  关键字参数和函数调用关系紧密，函数调用使用关键字参数来确定传入的参数值。使用关键字参数允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。

1 def f(name,age):
2  
3     print('I am %s,I am %d'%(name,age))
4  
5 # f(16,'alvin') #报错
6 f(age=16,name='alvin')

• 默认参数
  调用函数时，缺省参数的值如果没有传入，则被认为是默认值。下例会打印默认的age，如果age没有被传入：

1 def print_info(name,age,sex='male'):
2  
3     print('Name:%s'%name)
4     print('age:%s'%age)
5     print('Sex:%s'%sex)
6     return
7  
8 print_info('alex',18)
9 print_info('铁锤',40,'female')

• 不定长参数
  你可能需要一个函数能处理比当初声明时更多的参数。这些参数叫做不定长参数，和上述2种参数不同，声明时不会命名。

def add(*tuples):
    sum=0
    for v in tuples:
        sum+=v

    return sum

print(add(1,4,6,9))
print(add(1,4,6,9,5))

加了星号（*）的变量名会存放所有未命名的变量参数。而加(**)的变量名会存放命名的变量参数

 1 def print_info(**kwargs):
 2  
 3     print(kwargs)
 4     for i in kwargs:
 5         print('%s:%s'%(i,kwargs[i]))#根据参数可以打印任意相关信息了
 6  
 7     return
 8  
 9 print_info(name='alex',age=18,sex='female',hobby='girl',nationality='Chinese',ability='Python')
10  
11 ##################位置
12  
13 def print_info(name,*args,**kwargs):#def print_info(name,**kwargs,*args):报错
14  
15     print('Name:%s'%name)
16  
17     print('args:',args)
18     print('kwargs:',kwargs)
19  
20     return
21  
22 print_info('alex',18,hobby='girl',nationality='Chinese',ability='Python')
23 # print_info(hobby='girl','alex',18,nationality='Chinese',ability='Python')  #报错
24 #print_info('alex',hobby='girl',18,nationality='Chinese',ability='Python')   #报错

注意，还可以这样传参：

1 def f(*args):
2     print(args)
3  
4 f(*[1,2,5])
5  
6 def f(**kargs):
7     print(kargs)
8  
9 f(**{'name':'alex'})

函数的返回值

要想获取函数的执行结果，就可以用return语句把结果返回
注意:
数在执行过程中只要遇到return语句，就会停止执行并返回结果，所以也可以理解为 return 语句代表着函数的结束 如果未在函数中指定return,那这个函数的返回值为None
return多个对象，解释器会把这多个对象组装成一个元组作为一个一个整体结果输出。

def sum_and_avg(list):
    sum = 0
    count = 0
    for e in list:
        # 如果元素e是数值
        if isinstance(e, int) or isinstance(e, float):
            count += 1
            sum += e
    return sum, sum / count
my_list = [20, 15, 2.8, 'a', 35, 5.9, -1.8]
# 获取sum_and_avg函数返回的多个值，多个返回值被封装成元组
tp = sum_and_avg(my_list)  # ①
print(tp)

高阶函数

高阶函数是至少满足下列一个条件的函数:
接受一个或多个函数作为输入 输出一个函数

def add(x, y, f):
    return f(x) + f(y)


res = add(3, -6, abs)
print(res)

输出

9

def method():
    x = 2

    def double(n):
        return n * x

    return double


fun = method()
num = fun(20)
print(num)

输出

40

函数作用域

作用域介绍

python中的作用域分4种情况：

L：local，局部作用域，即函数中定义的变量； E：enclosing，嵌套的父级函数的局部作用域，即包含此函数的上级函数的局部作用域，但不是全局的； G：global，全局变量，就是模块级别定义的变量； B：built-in，系统固定模块里面的变量，比如int, bytearray等。 搜索变量的优先级顺序依次是：作用域局部>外层作用域>当前模块中的全局>python内置作用域，也就是LEGB。

x = str(100)  # int built-in
print('hello' + x)

str = 33# str内置函数被破坏，绝对不要这样做
print(str)

g_count = 0  # global
def outer():
    o_count = 1  # enclosing
    def inner():
        i_count = 2  # local
        print(o_count)
    # print(i_count) 找不到
    inner()
outer()

# print(o_count) #找不到

当然，local和enclosing是相对的，enclosing变量相对上层来说也是local。

作用域产生

在Python中，只有模块（module），类（class）以及函数（def、lambda）才会引入新的作用域，其它的代码块（如if、try、for等）是不会引入新的作用域的，如下代码：

1 if 2>1:
2     x = 1
3 print(x)  # 1

这个是没有问题的，if并没有引入一个新的作用域，x仍处在当前作用域中，后面代码可以使用。

1 def test():
2     x = 2
3 print(x) # NameError: name 'x2' is not defined

def、class、lambda是可以引入新作用域的

变量的修改

 1 x=6
 2 def f2():
 3     print(x)
 4     x=5
 5 f2()
 6   
 7 # 错误的原因在于print(x)时,解释器会在局部作用域找,会找到x=5(函数已经加载到内存),但x使用在声明前了,所以报错:
 8 # local variable 'x' referenced before assignment.如何证明找到了x=5呢?简单:注释掉x=5,x=6
 9 # 报错为:name 'x' is not defined
10 #同理
11 x=6
12 def f2():
13     x+=1 #local variable 'x' referenced before assignment.
14 f2()

global关键字

当内部作用域想修改外部作用域的变量时，就要用到global和nonlocal关键字了，当修改的变量是在全局作用域（global作用域）上的，就要使用global先声明一下，代码如下：

1 count = 10
2 def outer():
3     global count
4     print(count) 
5     count = 100
6     print(count)
7 outer()
8 #10
9 #100

nonlocal关键字

global关键字声明的变量必须在全局作用域上，不能嵌套作用域上，当要修改嵌套作用域（enclosing作用域，外层非全局作用域）中的变量怎么办呢，这时就需要nonlocal关键字了

 1 def outer():
 2     count = 10
 3     def inner():
 4         nonlocal count
 5         count = 20
 6         print(count)
 7     inner()
 8     print(count)
 9 outer()
10 #20
11 #20

总结：
（1）变量查找顺序：LEGB，作用域局部>外层作用域>当前模块中的全局>python内置作用域；
（2）只有模块、类、及函数才能引入新作用域；
（3）对于一个变量，内部作用域先声明就会覆盖外部变量，不声明直接使用，就会使用外部作用域的变量；
（4）内部作用域要修改外部作用域变量的值时，全局变量要使用global关键字，嵌套作用域变量要使用nonlocal关键字。nonlocal是python3新增的关键字，有了这个 关键字，就能完美的实现闭包了

递归函数

定义：在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

阶乘

def factorial(n):
 2  
 3     result=n
 4     for i in range(1,n):
 5         result*=i
 6  
 7     return result
 8  
 9 print(factorial(4))
10  
11  
12 #**********递归*********
13 def factorial_new(n):
14  
15     if n==1:
16         return 1
17     return n*factorial_new(n-1)
18  
19 print(factorial_new(3))

斐波那契数列

 1 def fibo(n):
 2  
 3     before=0
 4     after=1
 5     for i in range(n-1):
 6         ret=before+after
 7         before=after
 8         after=ret
 9  
10     return ret
11  
12 print(fibo(3))
13  
14 #**************递归*********************
15 def fibo_new(n):#n可以为零，数列有［0］
16  
17     if n <= 1:
18         return n
19     return(fibo_new(n-1) + fibo_new(n-2))
20  
21 print(fibo_new(3))

1 print(fibo_new(30000))#maximum recursion depth exceeded in comparison
递归函数的优点: 是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

递归特性

• 必须有一个明确的结束条件

• 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

• 递归效率不高，递归层次过多会导致栈溢出(在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返 回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。)

匿名函数

匿名函数就是不需要显式的指定函数名。

• 关键字lambda表示匿名函数，冒号前面的n表示函数参数，可以有多个参数。

• 匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

• 用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：

• 有些函数在代码中只用一次，而且函数体比较简单，使用匿名函数可以减少代码量，看起来比较"优雅“

#这段代码
def calc(x,y):
    return x**y

#换成匿名函数
calc = lambda x,y:x**y
print(calc(2,5))

def calc(x,y):
    if x > y:
        return x*y
    else:
        return x / y

#三元运算换成匿名函数
calc = lambda x,y:x * y if x > y else x / y
print(calc(2,5))

匿名函数主要与其他函数联合使用

abs()    dict()    help()    min()    setattr()
all()    dir()    hex()    next()    slice()
any()    divmod()    id()    object()    sorted()
ascii()    enumerate()    input()    oct()    staticmethod()
bin()    eval()    int()    open()    str()
bool()    exec()    isinstance()    ord()    sum()
bytearray()    filter()    issubclass()    pow()    super()
bytes()    float()    iter()    print()    tuple()
callable()    format()    len()    property()    type()
chr()    frozenset()    list()    range()    vars()
classmethod()    getattr()    locals()    repr()    zip()
compile()    globals()    map()    reversed()    __import__()
complex()    hasattr()    max()    round()     
delattr()    hash()    memoryview()    set()

内置函数

map函数

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回遍历序列，对序列中每个元素进行函数操作，最终获取新的序列。

求列表[1,2,3,4,5,6,7,8,9],返回一个n*n 的列表

#一般解决方案
li = [1,2,3,4,5,6,7,8,9]
for ind,val in enumerate(li):
    li[ind] = val * val
print(li)
# [1, 4, 9, 16, 25, 36, 49, 64, 81]

# 高级解决方案
li = [1,2,3,4,5,6,7,8,9]
print(list(map(lambda x:x*x,li)))
# [1, 4, 9, 16, 25, 36, 49, 64, 81]

reduce函数

reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(func,[1,2,3]) 等同于 func(func(1,2),3)
对于序列内所有元素进行累计操作

#接受一个list并利用reduce()求积
from functools import reduce
li = [1,2,3,4,5,6,7,8,9]
print(reduce(lambda x,y:x * y,li))
# 结果=1*2*3*4*5*6*7*8*9 = 362880

filter函数

filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
对于序列中的元素进行筛选，最终获取符合条件的序列

# 在一个list中，删掉偶数，只保留奇数
li = [1, 2, 4, 5, 6, 9, 10, 15]
print(list(filter(lambda x:x % 2==1,li)))  # [1, 5, 9, 15]

# 回数是指从左向右读和从右向左读都是一样的数，例如12321，909。请利用filter()筛选出回数
li = list(range(1, 200))
print(list(filter(lambda x:int(str(x))==int(str(x)[::-1]),li)))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111, 121, 131, 141, 151, 161, 171, 181, 191]

sorted函数

sorted(iterable, /, *, key=None, reverse=False)

接收一个key函数来实现对可迭代对象进行自定义的排序

可迭代对象：主要与列表，字符串，元祖，集合和字典

key：接受一个函数，根据此函数返回的结果，进行排序

reverse：排序方向，默认为从小到大，reverse=True为逆向

# 对列表按照绝对值进行排序
li= [-21, -12, 5, 9, 36]
print(sorted(li, key = lambda x:abs(x)))
# [5, 9, -12, -21, 36]

"""
sorted()函数按照keys进行排序，并按照对应关系返回list相应的元素：

keys排序结果 => [5, 9,  12,  21, 36]
                |  |    |    |   |
最终结果     => [5, 9, -12, -21, 36]
"""

# 把下面单词以首字母排序
li = ['bad', 'about', 'Zoo', 'Credit']
print(sorted(li, key = lambda x : x[0]))
# 输出['Credit', 'Zoo', 'about', 'bad']
"""
对字符串排序，是按照ASCII的大小比较的，由于'Z' < 'a'，结果，大写字母Z会排在小写字母a的前面。
"""

# 假设我们用一组tuple表示学生名字和成绩：

L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
# 请用sorted()对上述列表分别按名字排序
print(sorted(L, key = lambda x : x[0]))
# 输出[('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

# 再按成绩从高到低排序
print(sorted(L, key = lambda x : x[1], reverse=True))
# 输出[('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]

函数式编程

学会了上面几个重要的函数后，我们就可以来聊一聊函数式编程了。

一 概念（函数式编程） 函数式编程是一种编程范式，我们常见的编程范式有命令式编程（Imperativeprogramming），函数式编程，常见的面向对象编程是也是一种命令式编程。

命令式编程是面向计算机硬件的抽象，有变量（对应着存储单元），赋值语句（获取，存储指令），表达式（内存引用和算术运算）和控制语句（跳转指令），一句话，命令式程序就是一个冯诺依曼机的指令序列。

而函数式编程是面向数学的抽象，将计算描述为一种表达式求值，一句话，函数式程序就是一个表达式。

函数式编程的本质

函数式编程中的函数这个术语不是指计算机中的函数，而是指数学中的函数，即自变量的映射。也就是说一个函数的值仅决定于函数参数的值，不依赖其他状态。比如y=x*x函数计算x的平方根，只要x的平方，不论什么时候调用，调用几次，值都是不变的。

纯函数式编程语言中的变量也不是命令式编程语言中的变量，即存储状态的单元，而是代数中的变量，即一个值的名称。变量的值是不可变的（immutable），也就是说不允许像命令式编程语言中那样多次给一个变量赋值。比如说在命令式编程语言我们写“x = x + 1”，这依赖可变状态的事实，拿给程序员看说是对的，但拿给数学家看，却被认为这个等式为假。

函数式语言的如条件语句，循环语句也不是命令式编程语言中的控制语句，而是函数的语法糖。

严格意义上的函数式编程意味着不使用可变的变量，赋值，循环和其他命令式控制结构进行编程。

函数式编程关心数据的映射，命令式编程关心解决问题的步骤，这也是为什么“函数式编程”叫做“函数式编程”。

实例 现在，让你把number =[2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]中的正数的平均值，你肯定可以写出：

 1 #计算数组中正整数的平均值
 2  
 3 number =[2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]
 4 count = 0
 5 sum = 0
 6  
 7 for i in range(len(number)):
 8     if number[i]>0:
 9         count += 1
10         sum += number[i]
11  
12 print sum,count
13  
14 if count>0:
15     average = sum/count
16  
17 print average
18  
19 #========输出===========
20 30 6
21 5

首先循环列表中的值，累计次数，并对大于0的数进行累加，最后求取平均值。

这就是命令式编程——你要做什么事情，你得把达到目的的步骤详细的描述出来，然后交给机器去运行。

这也正是命令式编程的理论模型——图灵机的特点。一条写满数据的纸带，一条根据纸带内容运动的机器，机器每动一步都需要纸带上写着如何达到。

那么，不用这种方式如何做到呢？

 1 number =[2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]
 2  
 3 positive = filter(lambda x: x>0, number)
 4  
 5 average = reduce(lambda x,y: x+y, positive)/len(positive)
 6  
 7 print average
 8  
 9 #========输出===========
10 5

这段代码最终达到的目的同样是求取正数平均值，但是它得到结果的方式和 之前有着本质的差别：通过描述一个列表->正数平均值 的映射，而不是描述“从列表得到正数平均值应该怎样做”来达到目的。

再比如，求阶乘

通过Reduce函数加lambda表达式式实现阶乘是如何简单：

1 from functools import reduce
2 print (reduce(lambda x,y: x*y, range(1,6)))

又比如，map()函数加上lambda表达式(匿名函数)可以实现更强大的功能：

1 squares = map(lambda x : x*x ,range(9))
2 print (squares)#  <map object at 0x10115f7f0>迭代器
3 print (list(squares))#[0, 1, 4, 9, 16, 25, 36, 49, 64]

函数式编程的好处 1）代码简洁，易懂。

2）无副作用

由于命令式编程语言也可以通过类似函数指针的方式来实现高阶函数，函数式的最主要的好处主要是不可变性带来的。没有可变的状态，函数就是引用透明（Referential transparency）的和没有副作用（No Side Effect）。

将函数存储在模块中

函数的优点之一是，使用它们可将代码块与主程序分离。通过给函数指定描述性名称，可让主程序容易理解得多。你还可以更进一步，将函数存储在被称为模块的独立文件中，再将模块导入到主程序中。import语句允许在当前运行的程序文件中使用模块中的代码。

通过将函数存储在独立的文件中，可隐藏程序代码的细节，将重点放在程序的高层逻辑上。这还能让你在众多不同的程序中重用函数。将函数存储在独立文件中后，可与其他程序员共享这些文件而不是整个程序。知道如何导入函数还能让你使用其他程序员编写的函数库。

导入模块的方法有多种，下面对每种都作简要的介绍。

导入整个模块

要让函数是可导入的，得先创建模块。模块是扩展名为.py的文件，包含要导入到程序中的代码。下面来创建一个包含函数make_pizza()的模块。

pizza.py

def make_pizza(size, *toppings):
        """概述要制作的比萨"""
        print("\nMaking a " + str(size) +
              "-inch pizza with the following toppings:")
        for topping in toppings:
            print("- " + topping)

接下来，我们在pizza.py所在的目录中创建另一个名为making_pizzas.py的文件，这个文件导入刚创建的模块，再调用make_pizza()两次：

making_pizzas.py

      import pizza

      pizza.make_pizza(16, 'pepperoni')
      pizza.make_pizza(12, 'mushrooms', 'green peppers', 'extra cheese')

Python读取这个文件时，代码行import pizza让Python打开文件pizza.py，并将其中的所有函数都复制到这个程序中。你看不到复制的代码，因为这个程序运行时，Python在幕后复制这些代码。你只需知道，在making_pizzas.py中，可以使用pizza.py中定义的所有函数。

    Making a 16-inch pizza with the following toppings:
    - pepperoni

    Making a 12-inch pizza with the following toppings:
    - mushrooms
    - green peppers
    - extra cheese

这就是一种导入方法：只需编写一条import语句并在其中指定模块名，就可在程序中使用该模块中的所有函数。如果你使用这种import语句导入了名为module_name.py的整个模块，就可使用下面的语法来使用其中任何一个函数：

_module_name.function_name_()

导入特定的函数

你还可以导入模块中的特定函数，这种导入方法的语法如下：

from  _module_name_  import  _function_name_

通过用逗号分隔函数名，可根据需要从模块中导入任意数量的函数：

from  _module_name_  import  _function_0, function_1, function_2_

对于前面的making_pizzas.py示例，如果只想导入要使用的函数，代码将类似于下面这样：

from pizza import make_pizza

make_pizza(16, 'pepperoni')
make_pizza(12, 'mushrooms', 'green peppers', 'extra cheese')

若使用这种语法，调用函数时就无需使用句点。由于我们在import语句中显式地导入了函数make_pizza()，因此调用它时只需指定其名称。

使用as给函数指定别名

如果要导入的函数的名称可能与程序中现有的名称冲突，或者函数的名称太长，可指定简短而独一无二的别名——函数的另一个名称，类似于外号。要给函数指定这种特殊外号，需要在导入它时这样做。

下面给函数make_pizza()指定了别名mp()。这是在import语句中使用make_pizza as mp实现的，关键字as将函数重命名为你提供的别名：

    from pizza import make_pizza as mp

    mp(16, 'pepperoni')
    mp(12, 'mushrooms', 'green peppers', 'extra cheese')

上面的import语句将函数make_pizza()重命名为mp()；在这个程序中，每当需要调用make_pizza()时，都可简写成mp()，而Python将运行make_pizza()中的代码，这可避免与这个程序可能包含的函数make_pizza()混淆。

指定别名的通用语法如下：

from  _module_name_  import  _function_name_  as  _fn_

使用as给模块指定别名

你还可以给模块指定别名。通过给模块指定简短的别名（如给模块pizza指定别名p），让你能够更轻松地调用模块中的函数。相比于pizza.make_pizza()，p.make_pizza()更为简洁：

    import pizza as p

    p.make_pizza(16, 'pepperoni')
    p.make_pizza(12, 'mushrooms', 'green peppers', 'extra cheese')

上述import语句给模块pizza指定了别名p，但该模块中所有函数的名称都没变。调用函数make_pizza()时，可编写代码p.make_pizza()而不是pizza.make_pizza()，这样不仅能使代码更简洁，还可以让你不再关注模块名，而专注于描述性的函数名。这些函数名明确地指出了函数的功能，对理解代码而言，它们比模块名更重要。

给模块指定别名的通用语法如下：

import  _module_name as mn_

导入模块中的所有函数

使用星号（*）运算符可让Python导入模块中的所有函数：

    from pizza import *

    make_pizza(16, 'pepperoni')
    make_pizza(12, 'mushrooms', 'green peppers', 'extra cheese')

import语句中的星号让Python将模块pizza中的每个函数都复制到这个程序文件中。由于导入了每个函数，可通过名称来调用每个函数，而无需使用句点表示法。然而，使用并非自己编写的大型模块时，最好不要采用这种导入方法.

最佳的做法是，要么只导入你需要使用的函数，要么导入整个模块并使用句点表示法。这能让代码更清晰，更容易阅读和理解。这里之所以介绍这种导入方法，只是想让你在阅读别人编写的代码时，如果遇到类似于下面的import语句，能够理解它们：

from  _module_name_  import  *