三 関数#
関数の呼び出し
Python には多くの便利な関数が組み込まれており、私たちはそれを直接呼び出すことができます。関数を呼び出すには、関数の名前と引数を知っている必要があります。例えば、絶対値を求める関数 abs は、1 つの引数だけを取ります。
Python の公式ウェブサイトでドキュメントを直接確認できます：
http://docs.python.org/3/library/functions.html#abs
また、対話型コマンドラインで help (abs) を使って abs 関数のヘルプ情報を確認することもできます。
関数を呼び出すときに、渡す引数の数が正しくないと、TypeErrorのエラーが発生し、Python は明確に教えてくれます：abs () は 1 つの引数だけを取りますが、2 つが与えられました：
>>> abs(1, 2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: abs() takes exactly one argument (2 given)
もし渡す引数の数が正しいが、引数の型が関数で受け入れられない場合も、TypeError のエラーが発生し、エラーメッセージが表示されます：str は無効な引数の型です：
>>> abs('a')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs(): 'str'
一方、max 関数 max () は任意の数の引数を受け入れ、最大の値を返します：
>>> max(1, 2)
2
>>> max(2, 3, 1, -5)
3
データ型の変換
Python に組み込まれている一般的な関数には、データ型変換関数も含まれています。例えば、int () 関数は他のデータ型を整数に変換できます：
>>> int('123')
123
>>> int(12.34)
12
>>> float('12.34')
12.34
>>> str(1.23)
'1.23'
>>> str(100)
'100'
>>> bool(1)
True
>>> bool('')
False
関数名は実際には関数オブジェクトへの参照を指しており、関数名を変数に代入することができます。これは、その関数に「別名」を付けることに相当します：
>>> a = abs # 変数aはabs関数を指します
>>> a(-1) # したがって、aを通じてabs関数を呼び出すこともできます
1
関数の定義
Python で関数を定義するには、def 文を使用し、関数名、括弧、括弧内の引数、コロン：を順に書きます。その後、インデントされたブロック内に関数本体を記述し、関数の戻り値は return 文で返します。
絶対値を求める my_abs 関数を自分で定義する例を示します：
def my_abs(x):
if x >= 0:
return x
else:
return -x
注意してください。関数本体内の文は実行時に、return に到達すると関数が終了し、結果が返されます。したがって、関数内部で条件判断やループを使用することで非常に複雑なロジックを実現できます。
return 文がない場合、関数が終了した後も結果が返されますが、その結果はNoneです。return None は return と省略できます。
Python の対話環境で関数を定義する際、Python は... のプロンプトを表示します。関数定義が終了した後は、2 回 Enter を押して >>> プロンプトに戻る必要があります。
>>>def my_abs(x):
... if x >= 0:
... return x
... else:
... return -x
...
>>> my_abs(-9)
9
>>>
もし my_abs () の関数定義を abstest.py ファイルに保存した場合、そのファイルの現在のディレクトリで Python インタプリタを起動し、from abstest import my_abs を使って my_abs () 関数をインポートできます。注意：abstest はファイル名（.py 拡張子を含まない）です。
>>> from abstest import my_abs
>>> my_abs(-9)
9
空の関数
何も行わない空の関数を定義したい場合は、pass 文を使用できます：
def nop():
pass
pass 文は何もしませんが、それには何の意味があるのでしょうか？実際には、pass はプレースホルダーとして使用できます。例えば、関数のコードを書く方法がまだ決まっていない場合、pass を置いておくことで、コードを実行可能にすることができます。
pass は他の文でも使用できます。例えば：
if age >= 18:
pass
pass がなければ、コードが実行されると構文エラーが発生します。
引数のチェック
関数を呼び出すときに、引数の数が正しくない場合、Python インタプリタは自動的にチェックし、TypeError をスローします：
>>> my_abs(1, 2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: my_abs() takes 1 positional argument but 2 were given
しかし、引数の型が正しくない場合、Python インタプリタは私たちを助けることができません。my_abs と組み込み関数 abs の違いを試してみてください：
>>> my_abs('A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 2, in my_abs
TypeError: unorderable types: str() >= int()
>>> abs('A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs(): 'str'
不適切な引数が渡された場合、組み込み関数 abs は引数エラーをチェックしますが、私たちが定義した my_abs は引数チェックがなく、if 文がエラーを引き起こすことになります。エラーメッセージは abs とは異なります。したがって、この関数の定義は十分ではありません。
my_abs の定義を修正し、引数の型をチェックして、整数と浮動小数点数型の引数のみを許可するようにしましょう。データ型チェックは組み込み関数isinstance() を使用して実現できます：
def my_abs(x):
if not isinstance(x, (int, float)):
raise TypeError('bad operand type')
if x >= 0:
return x
else:
return -x
引数チェックを追加した後、誤った引数の型が渡された場合、関数はエラーをスローできます：
>>> my_abs('A')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in my_abs
TypeError: bad operand type
複数の値を返す
関数は複数の値を返すことができます。
例えば、ゲームでは、ある点から別の点に移動する必要がある場合、座標、移動量、角度を指定すると、新しい座標を計算できます：
import math
def move(x, y, step, angle=0):
nx = x + step * math.cos(angle)
ny = y - step * math.sin(angle)
return nx, ny
import math 文は math パッケージをインポートし、以降のコードで math パッケージ内の sin、cos などの関数を参照できるようにします。
次に、戻り値を同時に取得できます：
>>> x, y = move(100, 100, 60, math.pi / 6)
>>> print(x, y)
151.96152422706632 70.0
しかし、実際にはこれは幻想に過ぎません。Python 関数が返すのは依然として単一の値です：
>>> r = move(100, 100, 60, math.pi / 6)
>>> print(r)
(151.96152422706632, 70.0)
実際、戻り値はタプルです！ただし、構文上、タプルを返す場合は括弧を省略でき、複数の変数が同時にタプルを受け取ることができ、位置に応じて対応する値に割り当てられます。したがって、Python の関数が複数の値を返すということは、実際にはタプルを返すことですが、書き方が便利です。
関数の引数
関数の呼び出し側にとって、正しい引数を渡す方法と、関数がどのような値を返すかを知っていれば十分です。関数内部の複雑なロジックはカプセル化されており、呼び出し側は理解する必要はありません。
Python の関数定義は非常にシンプルですが、柔軟性は非常に高いです。通常の必須引数に加えて、デフォルト引数、可変引数、キーワード引数を使用することができ、関数定義されたインターフェースは、複雑な引数を処理できるだけでなく、呼び出し側のコードを簡素化することもできます。
位置引数
まず、x^2 を計算する関数を作成します：
def power(x):
return x * x
power (x) 関数において、引数 x は位置引数です。
power 関数を呼び出すとき、必ず 1 つだけの引数 x を渡す必要があります：
>>> power(5)
25
今、x^3 を計算したい場合はどうすればよいでしょうか？power3 関数を再定義することもできますが、x^4、x^5…… を計算するにはどうすればよいでしょうか？無限に多くの関数を定義することは不可能です。
あなたは思いついたかもしれません。power (x) を power (x, n) に変更して、x^n を計算するようにします。
def power(x, n):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
この修正された power (x, n) 関数は、任意の n 乗を計算できます：
>>> power(5, 2)
25
修正された power (x, n) 関数には 2 つの引数があります：x と n。これらの 2 つの引数は位置引数であり、関数を呼び出すとき、渡される 2 つの値は位置の順序に従って引数 x と n に割り当てられます。
位置引数
まず、x^2 を計算する関数を作成します：
def power(x):
return x * x
power (x) 関数において、引数 x は位置引数です。
power 関数を呼び出すとき、必ず 1 つだけの引数 x を渡す必要があります：
>>> power(5)
25
>>> power(15)
225
今、x^3 を計算したい場合はどうすればよいでしょうか？power3 関数を再定義することもできますが、x^4、x^5…… を計算するにはどうすればよいでしょうか？無限に多くの関数を定義することは不可能です。
あなたは思いついたかもしれません。power (x) を power (x, n) に変更して、x^n を計算するようにします。さあ、やってみましょう：
def power(x, n):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
この修正された power (x, n) 関数は、任意の n 乗を計算できます：
>>> power(5, 2)
25
>>> power(5, 3)
125
修正された power (x, n) 関数には 2 つの引数があります：x と n。これらの 2 つの引数は位置引数であり、関数を呼び出すとき、渡される 2 つの値は位置の順序に従って引数 x と n に割り当てられます。
デフォルト引数
新しい power (x, n) 関数の定義には問題がありませんが、古い呼び出しコードは失敗しました。その理由は、引数が 1 つ増えたため、古いコードが 1 つの引数を欠いて正常に呼び出せなくなったからです：
>>> power(5)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: power() missing 1 required positional argument: 'n'
Python のエラーメッセージは非常に明確です：関数 power () の呼び出しに位置引数 n が欠けています。
この時、デフォルト引数が役立ちます。私たちはよく x^2 を計算するので、2 番目の引数 n のデフォルト値を 2 に設定することができます：
def power(x, n=2):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
こうすることで、power (5) を呼び出すと、power (5, 2) を呼び出すことになります：
>>> power(5)
25
>>> power(5, 2)
25
n > 2 の場合は、他の状況では n を明示的に渡す必要があります。例えば power (5, 3)。
上記の例からわかるように、デフォルト引数は関数の呼び出しを簡素化できます。デフォルト引数を設定する際に注意すべき点は次のとおりです：
1 つ目は、必須引数は前に、デフォルト引数は後に配置することです。そうしないと、Python のインタプリタはエラーを報告します。
2 つ目は、デフォルト引数をどのように設定するかです。
関数に複数の引数がある場合、変化の大きい引数を前に、変化の小さい引数を後ろに置きます。変化の小さい引数はデフォルト引数として使用できます。
デフォルト引数を使用する利点は何でしょうか？最大の利点は、関数の呼び出しの難易度を下げることです。
例えば、私たちは 1 年生の学生登録の関数を作成する必要があります。name と gender の 2 つの引数を渡す必要があります：
def enroll(name, gender):
print('name:', name)
print('gender:', gender)
このように、enroll () 関数を呼び出すには、2 つの引数を渡すだけです：
>>> enroll('Sarah', 'F')
name: Sarah
gender: F
もし年齢や都市などの情報を追加で渡す必要がある場合、そうすると関数の呼び出しの複雑さが大幅に増加します。
年齢と都市をデフォルト引数として設定することができます：
def enroll(name, gender, age=6, city='Beijing'):
print('name:', name)
print('gender:', gender)
print('age:', age)
print('city:', city)
こうすることで、大多数の学生は年齢と都市を提供する必要がなく、必須の 2 つの引数だけを提供すれば済みます：
>>> enroll('Sarah', 'F')
name: Sarah
gender: F
age: 6
city: Beijing
デフォルト引数と一致しない学生だけが追加の情報を提供する必要があります：
enroll('Bob', 'M', 7)
enroll('Adam', 'M', city='Tianjin')
このように、デフォルト引数は関数の呼び出しの難易度を下げ、より複雑な呼び出しが必要な場合には、より多くの引数を渡して実現できます。単純な呼び出しでも複雑な呼び出しでも、関数は 1 つだけ定義すれば済みます。
デフォルト引数が複数ある場合、呼び出すときは、順番にデフォルト引数を提供することができます。例えば、enroll ('Bob', 'M', 7) は、name、gender の 2 つの引数を除いて、最後の 1 つの引数が age に適用され、city 引数は提供されていないため、デフォルト値を使用します。
また、部分的にデフォルト引数を順番に提供しないこともできます。順番にデフォルト引数を提供しない場合は、引数名を記述する必要があります。例えば、enroll ('Adam', 'M', city='Tianjin') を呼び出すと、city 引数には渡された値が使用され、他のデフォルト引数は引き続きデフォルト値を使用します。
デフォルト引数は非常に便利ですが、誤って使用すると落とし穴にはまることもあります。デフォルト引数には最大の落とし穴があり、以下のように示されます：
まず、リストを渡して END を追加して返す関数を定義します：
def add_end(L=[]):
L.append('END')
return L
通常の呼び出しを行うと、結果は一見良さそうです：
>>> add_end([1, 2, 3])
[1, 2, 3, 'END']
>>> add_end(['x', 'y', 'z'])
['x', 'y', 'z', 'END']
デフォルト引数を使用して呼び出すと、最初の結果も正しいです：
>>> add_end()
['END']
しかし、再度 add_end () を呼び出すと、結果は正しくなくなります：
>>> add_end()
['END', 'END']
>>> add_end()
['END', 'END', 'END']
多くの初心者は困惑します。デフォルト引数は [] ですが、関数は毎回「前回追加された 'END'」のリストを「記憶している」ようです。
理由は次のとおりです：
Python 関数は定義時にデフォルト引数 L の値を計算します。すなわち、[] です。デフォルト引数 L も変数であり、オブジェクト [] を指します。関数を呼び出すたびに、L の内容が変更されると、次回呼び出すときにはデフォルト引数の内容が変更され、もはや関数定義時の [] ではなくなります。
デフォルト引数を定義する際は、デフォルト引数は不変オブジェクトを指す必要があります！
上記の例を修正するには、None という不変オブジェクトを使用して実現できます：
def add_end(L=None):
if L is None:
L = []
L.append('END')
return L
これで、何度呼び出しても問題が発生しません：
>>> add_end()
['END']
>>> add_end()
['END']
なぜ str や None のような不変オブジェクトを設計する必要があるのでしょうか？不変オブジェクトは一度作成されると、オブジェクト内部のデータを変更できないため、データの変更によるエラーを減少させることができます。また、オブジェクトが不変であるため、マルチタスク環境で同時にオブジェクトを読み取る際にロックを必要とせず、同時に読み取っても問題がありません。プログラムを作成する際に、不変オブジェクトを設計できる場合は、できるだけ不変オブジェクトにするようにしましょう。
可変引数
Python 関数では、可変引数を定義することもできます。言葉通り、可変引数は渡す引数の数が可変であり、1 つ、2 つ、任意の数、さらには 0 個であることも可能です。
数学の問題を例にとり、数字のセット a、b、c…… が与えられた場合、a^2 + b^2 + c^2 + …… を計算します。
この関数を定義するには、入力引数を特定する必要があります。引数の数が不確定であるため、最初に a、b、c…… をリストまたはタプルとして渡すことを考えます。これにより、関数は次のように定義できます：
def calc(numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum
しかし、呼び出すときには、最初にリストまたはタプルを組み立てる必要があります：
>>> calc([1, 2, 3])
14
>>> calc((1, 3, 5, 7))
84
可変引数を利用すると、関数の呼び出し方法を次のように簡素化できます：
>>> calc(1, 2, 3)
14
>>> calc(1, 3, 5, 7)
84
したがって、関数の引数を可変引数に変更します：
def calc(*numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum
可変引数を定義することは、リストまたはタプルの引数を定義することと比較して、単に引数の前に * を追加しただけです。関数内部では、引数 numbers はタプルとして受け取られます。したがって、関数コードは完全に変わりません。しかし、関数を呼び出すときには、任意の数の引数を渡すことができ、0 個の引数も含まれます：
>>> calc(1, 2)
5
>>> calc()
0
すでにリストまたはタプルがある場合、可変引数を呼び出すにはどうすればよいでしょうか？次のようにできます：
>>> nums = [1, 2, 3]
>>> calc(nums[0], nums[1], nums[2])
14
この書き方は確かに可能ですが、問題はあまりにも面倒です。したがって、Python はリストまたはタプルの前に * を追加して、リストまたはタプルの要素を可変引数として渡すことを許可しています：
>>> nums = [1, 2, 3]
>>> calc(*nums)
14
*nums は、nums というリストのすべての要素を可変引数として渡すことを意味します。この書き方は非常に便利で、非常に一般的です。
キーワード引数
可変引数を使用すると、0 個または任意の数の引数を渡すことができ、これらの可変引数は関数呼び出し時に自動的にタプルに組み立てられます。一方、キーワード引数を使用すると、0 個または任意の数の引数名を含む引数を渡すことができ、これらのキーワード引数は関数内部で自動的に辞書に組み立てられます。
def person(name, age, **kw):
print('name:', name, 'age:', age, 'other:', kw)
person 関数は、必須引数 name と age に加えて、キーワード引数 kw も受け入れます。この関数を呼び出すとき、必須引数だけを渡すことができます：
>>> person('Michael', 30)
name: Michael age: 30 other: {}
任意の数のキーワード引数を渡すこともできます：
>>> person('Bob', 35, city='Beijing')
name: Bob age: 35 other: {'city': 'Beijing'}
>>> person('Adam', 45, gender='M', job='Engineer')
name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}
キーワード引数の利点は何でしょうか？それは関数の機能を拡張できることです。例えば、person 関数では、name と age の 2 つの引数を受け取ることを保証しますが、呼び出し側が追加の引数を提供したい場合にも受け取ることができます。ユーザー登録機能を実装していると想像してみてください。ユーザー名と年齢が必須項目であり、他の項目はオプションである場合、キーワード引数を利用してこの関数を定義することで、登録の要件を満たすことができます。
可変引数と同様に、辞書を組み立てて、その辞書をキーワード引数に変換して渡すこともできます：
>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, city=extra['city'], job=extra['job'])
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
もちろん、上記の複雑な呼び出しは簡略化された書き方を使用できます：
>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **extra)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
extra は、extra という辞書のすべての key-value をキーワード引数として kw 引数に渡すことを意味します。kw は辞書を取得します。注意：kw が取得する辞書は extra のコピーであり、kw の変更は関数外の extra には影響しません。
命名キーワード引数
キーワード引数では、関数の呼び出し側が任意の制限のないキーワード引数を渡すことができます。どの引数が渡されたかは、関数内部で kw を通じて確認する必要があります。
person () 関数の例を再度考えてみましょう。city と job 引数があるかどうかを確認したいとします：
def person(name, age, **kw):
if 'city' in kw:
# city引数がある
pass
if 'job' in kw:
# job引数がある
pass
print('name:', name, 'age:', age, 'other:', kw)
しかし、呼び出し側は依然として制限のないキーワード引数を渡すことができます：
>>> person('Jack', 24, city='Beijing', addr='Chaoyang', zipcode=123456)
キーワード引数の名前を制限したい場合は、命名キーワード引数を使用できます。例えば、city と job のみをキーワード引数として受け取るようにします。このように定義された関数は次のようになります：
def person(name, age, *, city, job):
print(name, age, city, job)
キーワード引数 **kw とは異なり、命名キーワード引数には特別な区切り文字 * が必要です。* 以降の引数は命名キーワード引数と見なされます。
呼び出し方法は次のとおりです：
>>> person('Jack', 24, city='Beijing', job='Engineer')
Jack 24 Beijing Engineer
関数定義にすでに可変引数がある場合、後に続く命名キーワード引数には特別な区切り文字 * は必要ありません：
def person(name, age, *args, city, job):
print(name, age, args, city, job)
命名キーワード引数は引数名を渡す必要があります。これは位置引数とは異なります。引数名を渡さなければ、呼び出しはエラーになります：
>>> person('Jack', 24, 'Beijing', 'Engineer')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: person() missing 2 required keyword-only arguments: 'city' and 'job'
呼び出し時に city と job の引数名が欠けているため、Python インタプリタは最初の 2 つの引数を位置引数として扱い、残りの 2 つの引数は * args に渡されますが、命名キーワード引数が欠けているためエラーが発生します。
命名キーワード引数にはデフォルト値を設定でき、呼び出しを簡素化できます：
def person(name, age, *, city='Beijing', job):
print(name, age, city, job)
命名キーワード引数 city にデフォルト値があるため、呼び出すときに city 引数を渡さなくても済みます：
>>> person('Jack', 24, job='Engineer')
Jack 24 Beijing Engineer
命名キーワード引数を使用する際には特に注意が必要です。可変引数がない場合は、特別な区切り文字 * を忘れないでください。* が欠けていると、Python インタプリタは位置引数と命名キーワード引数を識別できません。
def person(name, age, city, job):
# *が欠けているため、cityとjobは位置引数として扱われます
pass
引数の組み合わせ
Python で関数を定義する際、必須引数、デフォルト引数、可変引数、命名キーワード引数、キーワード引数の 5 種類の引数を組み合わせて使用できます。ただし、引数定義の順序は次のようにする必要があります：必須引数、デフォルト引数、可変引数、命名キーワード引数、キーワード引数。
例えば、上記のいくつかの引数を含む関数を定義します：
def f1(a, b, c=0, *args, **kw):
print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)
def f2(a, b, c=0, *, d, **kw):
print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)
関数呼び出しの際、Python インタプリタは自動的に引数の位置と引数名に従って対応する引数を渡します。
>>> f1(1, 2)
a = 1 b = 2 c = 0 args = () kw = {}
>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}
>>> f1(1, 2, 3, 'a', 'b')
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {}
>>> f1(1, 2, 3, 'a', 'b', x=99)
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {'x': 99}
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}
最も驚くべきことは、タプルと辞書を使用して、上記の関数を呼び出すことができることです：
>>> args = (1, 2, 3, 4)
>>> kw = {'d': 99, 'x': '#'}
>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {'d': 99, 'x': '#'}
>>> args = (1, 2, 3)
>>> kw = {'d': 88, 'x': '#'}
>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = {'x': '#'}
したがって、任意の関数は、func (*args, **kw) の形式で呼び出すことができます。引数がどのように定義されていても構いません。
要約すると、
1 Python の関数は非常に柔軟な引数の形態を持ち、単純な呼び出しを実現できるだけでなく、非常に複雑な引数を渡すこともできます。
2 デフォルト引数は不変オブジェクトを使用する必要があります。可変オブジェクトの場合、プログラムの実行時に論理エラーが発生します！
3 可変引数とキーワード引数の定義文法に注意してください：
*args は可変引数で、args はタプルを受け取ります；
**kw はキーワード引数で、kw は辞書を受け取ります。
4 関数を呼び出す際に可変引数とキーワード引数を渡す文法：
可変引数は直接渡すこともできます：func (1, 2, 3) のように、リストやタプルを組み立ててargs で渡すこともできます：func ((1, 2, 3)) のように；
キーワード引数は直接渡すこともできます：func (a=1, b=2) のように、辞書を組み立ててkw で渡すこともできます：func ({'a': 1, 'b': 2}) のように。
*args と **kw を使用することは Python の慣習的な書き方ですが、他の引数名を使用することもできますが、慣習的な書き方を使用するのが最善です。
5 命名キーワード引数は、呼び出し側が渡すことができる引数名を制限するためのもので、デフォルト値を提供することもできます。
6 命名キーワード引数を定義する際に可変引数がない場合は、特別な区切り文字 * を忘れないでください。そうしないと、位置引数として定義されます。
再帰関数
関数内部では、他の関数を呼び出すことができます。もしある関数が自身を内部で呼び出す場合、その関数は再帰関数です。
例えば、階乗 n! = 1 x 2 x 3 x ... x n を計算するために、関数 fact (n) を使用します。次のように表現できます：
fact(n)=n!=1×2×3×⋅⋅⋅×(n−1)×n=(n−1)!×n=fact(n−1)×n
したがって、fact (n) は n x fact (n-1) として表現できます。n=1 の場合は特別な処理が必要です。
したがって、fact (n) を再帰的に書くと次のようになります：
def fact(n):
if n==1:
return 1
return n * fact(n - 1)
上記は再帰関数です。試してみてください：
>>> fact(1)
1
>>> fact(5)
120
fact (5) を計算すると、関数定義に基づいて計算プロセスは次のようになります：
===> fact(5)
===> 5 * fact(4)
===> 5 * (4 * fact(3))
===> 5 * (4 * (3 * fact(2)))
===> 5 * (4 * (3 * (2 * fact(1))))
===> 5 * (4 * (3 * (2 * 1)))
===> 5 * (4 * (3 * 2))
===> 5 * (4 * 6)
===> 5 * 24
===> 120
再帰関数の利点は、定義がシンプルで、ロジックが明確であることです。理論的には、すべての再帰関数はループの方法で書き換えることができますが、ループのロジックは再帰よりも明確ではありません。
再帰関数を使用する際には、スタックオーバーフローを防ぐことに注意が必要です。コンピュータでは、関数呼び出しはスタック（stack）というデータ構造を通じて実現されます。関数呼び出しが行われるたびに、スタックは 1 つのスタックフレームを追加し、関数が戻るとスタックは 1 つのスタックフレームを減らします。スタックのサイズは無限ではないため、再帰呼び出しの回数が多すぎると、スタックオーバーフローが発生します。fact (1000) を試してみてください：
>>> fact(1000)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 4, in fact
...
File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depth exceeded in comparison
再帰呼び出しのスタックオーバーフローを解決する方法は、尾再帰最適化を使用することです。実際、尾再帰とループの効果は同じです。したがって、ループを特殊な尾再帰関数と見なすこともできます。
尾再帰：関数が戻るときに、自身を呼び出し、return 文には式を含めないことを指します。
これにより、コンパイラやインタプリタは尾再帰を最適化でき、再帰が何度呼び出されても、1 つのスタックフレームしか占有せず、スタックオーバーフローが発生しません。
上記の fact (n) 関数は、return n * fact (n - 1) が乗算式を引き起こすため、尾再帰ではありません。尾再帰方式に変更するには、少しコードが必要で、各ステップの積を再帰関数に渡す必要があります：
def fact(n):
return fact_iter(n, 1)
def fact_iter(num, product):
if num == 1:
return product
return fact_iter(num - 1, num * product)
見ての通り、return fact_iter (num - 1, num * product) は再帰関数自体だけを返します。num - 1 と num * product は関数呼び出し前に計算され、関数呼び出しに影響を与えません。
fact (5) に対応する fact_iter (5, 1) の呼び出しは次のようになります：
===> fact_iter(5, 1)
===> fact_iter(4, 5)
===> fact_iter(3, 20)
===> fact_iter(2, 60)
===> fact_iter(1, 120)
===> 120
尾再帰呼び出しが最適化されると、スタックは増加しないため、何度呼び出してもスタックオーバーフローは発生しません。
残念ながら、ほとんどのプログラミング言語は尾再帰に対する最適化を行っておらず、Python インタプリタも最適化を行っていません。したがって、上記の fact (n) 関数を尾再帰方式に変更しても、スタックオーバーフローが発生します。
要約すると、
1 再帰関数の利点は、ロジックがシンプルで明確であることです。欠点は、深すぎる呼び出しがスタックオーバーフローを引き起こす可能性があることです。
2 尾再帰最適化を行う言語では、尾再帰を使用してスタックオーバーフローを防ぐことができます。尾再帰は実際にはループと同等であり、ループ文がないプログラミング言語では、尾再帰を使用してループを実現できます。
3 Python の標準インタプリタは尾再帰に対する最適化を行っておらず、すべての再帰関数にはスタックオーバーフローの問題があります。
四 高度な機能#
コードが少ないほど、開発効率が高くなります
スライス
リストやタプルの一部の要素を取得することは非常に一般的な操作です。例えば、次のようなリストがあります：
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
最初の 3 つの要素を取得するには、どうすればよいでしょうか？
愚かな方法：
>>> [L[0], L[1], L[2]]
['Michael', 'Sarah', 'Tracy']
これが愚かな方法である理由は、拡張して最初の N 個の要素を取得することができなくなるからです。
最初の N 個の要素を取得することは、インデックス 0-(N-1) の要素を取得することを意味します。ループを使用することができます：
>>> r = []
>>> n = 3
>>> for i in range(n):
... r.append(L[i])
...
>>> r
['Michael', 'Sarah', 'Tracy']
このように、特定のインデックス範囲を取得する操作は、ループを使用すると非常に面倒です。したがって、Python はスライス（Slice）操作子を提供しており、この操作を大幅に簡素化できます。
上記の問題に対して、最初の 3 つの要素を取得するには、1 行のコードでスライスを使用できます：
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
L [0:3] は、インデックス 0 から取得を開始し、インデックス 3 まで取得しますが、インデックス 3 は含まれません。つまり、インデックス 0、1、2、ちょうど 3 つの要素です。
最初のインデックスが 0 の場合は、省略することもできます：
>>> L[:3]
['Michael', 'Sarah', 'Tracy']
インデックス 1 から始めて、2 つの要素を取得することもできます：
>>> L[1:3]
['Sarah', 'Tracy']
同様に、Python は L [-1] で最後の要素を取得できるため、逆順のスライスもサポートしています。
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
最後の要素のインデックスは - 1 です。
スライス操作は非常に便利です。まず、0 から 99 までのリストを作成します：
>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]
スライスを使用して特定の数列を簡単に取得できます。例えば、最初の 10 個の数：
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
最後の 10 個の数：
>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
最初の 11-20 個の数：
>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
最初の 10 個の数から、2 つごとに取得：
>>> L[:10:2]
[0, 2, 4, 6, 8]
すべての数から、5 つごとに取得：
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
何も書かずに [:] と書くだけで、リストをそのままコピーできます：
>>> L[:]
[0, 1, 2, 3, ..., 99]
タプルもリストの一種であり、唯一の違いはタプルが不変であることです。したがって、タプルもスライス操作を使用できますが、操作の結果は依然としてタプルです：
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)
文字列 'xxx' もリストの一種と見なすことができ、各要素は 1 つの文字です。したがって、文字列もスライス操作を使用できますが、操作の結果は依然として文字列です：
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'
多くのプログラミング言語では、文字列に対してさまざまな切り取り関数（例えば、substring）を提供していますが、実際には文字列のスライスを行うことが目的です。Python には文字列の切り取り関数がなく、スライス操作だけで非常に簡単に実現できます。
反復
リストやタプルが与えられた場合、for ループを使用してこのリストやタプルを反復することができます。この反復を ** 反復（Iteration）** と呼びます。
Python では、反復はfor ... inを使用して実現されます。
多くの言語、例えば C 言語では、リストを反復するためにインデックスを使用します。例えば、C のコード：
for (i=0; i<length; i++) {
n = list[i];
}
Python の for ループは C の for ループよりも抽象度が高いことがわかります。なぜなら、Python の for ループはリストやタプルだけでなく、他の反復可能なオブジェクトにも作用するからです。
リストというデータ型にはインデックスがありますが、多くの他のデータ型にはインデックスがありません。しかし、反復可能なオブジェクトであれば、インデックスの有無にかかわらず反復できます。例えば、dict も反復できます：
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
... print(key)
...
a
c
b
dict のストレージはリストのように順序付けられていないため、反復された結果の順序は異なる可能性があります。
デフォルトでは、dict は key を反復します。value を反復したい場合は、**for value in d.values ()** を使用できます。key と value を同時に反復したい場合は、**for k, v in d.items ()** を使用できます。
文字列も反復可能なオブジェクトであるため、for ループにも適用できます：
>>> for ch in 'ABC':
... print(ch)
...
A
B
C
したがって、for ループを使用する際には、反復可能なオブジェクトに作用させるだけで、for ループは正常に動作します。オブジェクトがリストであるか他のデータ型であるかはあまり関係ありません。
では、どのようにしてオブジェクトが反復可能なオブジェクトであるかを判断するのでしょうか？方法は、collections.abc モジュールの Iterableタイプを使用して判断します：
>>> from collections.abc import Iterable
>>> isinstance('abc', Iterable) # strは反復可能か
True
>>> isinstance([1,2,3], Iterable) # listは反復可能か
True
>>> isinstance(123, Iterable) # 整数は反復可能か
False
最後の問題ですが、リストに対して Java のようにインデックスループを実装したい場合はどうすればよいでしょうか？Python に組み込まれているenumerate 関数を使用すると、リストをインデックス - 要素のペアに変換できます。これにより、for ループ内でインデックスと要素を同時に反復できます：
>>> for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C
上記の for ループでは、同時に 2 つの変数を参照しています。Python では非常に一般的です。例えば、次のコード：
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 1
2 4
3 9
すべての反復可能なオブジェクトは for ループに作用させることができ、私たちが定義したデータ型も、反復条件を満たしていれば for ループを使用できます。
リスト内包表記
リスト内包表記は、Python に組み込まれた非常にシンプルで強力なリストを作成するための生成式です。
例えば、リスト [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] を生成するには、list (range (1, 11)) を使用できます。
しかし、[1x1, 2x2, 3x3, ..., 10x10] を生成するにはどうすればよいでしょうか？方法 1 はループを使用することです：
>>> L = []
>>> for x in range(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
しかし、ループは面倒です。リスト内包表記を使用すると、1 行の文で上記のリストを生成できます：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
リスト内包表記を書くときは、生成したい要素 x * x を前に置き、その後に for ループを続けることでリストを作成できます。
for ループの後に if 条件を追加することもでき、偶数の平方だけをフィルタリングできます：
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
2 重ループを使用して全順列を生成することもできます：
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
3 重ループやそれ以上のループはあまり使用されません。
リスト内包表記を使用すると、非常に簡潔なコードを書くことができます。例えば、現在のディレクトリ内のすべてのファイルとディレクトリ名をリストアップするには、1 行のコードで実現できます：
>>> import os # osモジュールをインポートします。モジュールの概念は後で説明します。
>>> [d for d in os.listdir('.')] # os.listdirはファイルとディレクトリをリストアップできます。
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
for ループは実際には同時に 2 つ以上の変数を使用することができます。例えば、dict の items () を使用して key と value を同時に反復できます：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
... print(k, '=', v)
...
y = B
x = A
z = C
したがって、リスト内包表記でも 2 つの変数を使用してリストを生成できます：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
最後に、リスト内のすべての文字列を小文字に変換します：
>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
if ... else
リスト内包表記を使用する際に、if...else の使い方がわからない場合があります。
例えば、以下のコードは偶数を正常に出力します：
>>> [x for x in range(1, 11) if x % 2 == 0]
[2, 4, 6, 8, 10]
しかし、最後の if に else を追加することはできません：
>>> [x for x in range(1, 11) if x % 2 == 0 else 0]
File "<stdin>", line 1
[x for x in range(1, 11) if x % 2 == 0 else 0]
^
SyntaxError: invalid syntax
これは、for の後に続く if はフィルタ条件であり、else を含めることはできないからです。
if を for の前に書く必要がありますが、else を追加しなければなりません。そうしないとエラーになります：
>>> [x if x % 2 == 0 for x in range(1, 11)]
File "<stdin>", line 1
[x if x % 2 == 0 for x in range(1, 11)]
^
SyntaxError: invalid syntax
これは、for の前の部分が式であり、x に基づいて結果を計算する必要があるためです。したがって、式を考慮すると：x if x % 2 == 0 は、else がないため、x に基づいて結果を計算できません。
したがって、else を追加する必要があります：
>>> [x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
上記の for の前の式 x if x % 2 == 0 else -x は、x に基づいて確定的な結果を計算できるようになります。
リスト内包表記の中で、for の前の if ... else は式であり、for の後の if はフィルタ条件であることがわかります。
ジェネレーター
リスト内包表記を使用すると、リストを直接作成できます。しかし、メモリ制限により、リストの容量は限られています。また、100 万要素を含むリストを作成すると、大きなストレージスペースを占有するだけでなく、最初の数要素だけを必要とする場合、後の大部分の要素が無駄にスペースを占有します。
したがって、リストの要素が特定のアルゴリズムに従って推測できる場合、ループの過程で次の要素を継続的に推測できるようにすることはできるでしょうか？これにより、完全なリストを作成する必要がなくなり、大量のスペースを節約できます。Python では、このループしながら計算するメカニズムをジェネレーター（generator）と呼びます。
ジェネレーターを作成する方法はいくつかあります。最初の方法は非常に簡単で、リスト内包表記の [] を () に変更するだけで、ジェネレーターが作成されます：
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
L と g を作成する違いは、最外層の [] と () だけです。L はリストであり、g はジェネレーターです。
リストの各要素を直接印刷できますが、ジェネレーターの各要素をどのように印刷するのでしょうか？
1 つずつ印刷するには、next () 関数を使用してジェネレーターの次の戻り値を取得できます：
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
ジェネレーターはアルゴリズムを保存しており、next (g) を呼び出すたびに、g の次の要素の値を計算します。最後の要素に達すると、これ以上の要素がないため、StopIteration エラーがスローされます。
もちろん、上記のように next (g) を繰り返し呼び出すのは非常に面倒です。正しい方法は for ループを使用することです。なぜなら、ジェネレーターも反復可能なオブジェクトだからです。
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
したがって、ジェネレーターを作成した後、基本的に next () を呼び出すことはなく、代わりにfor ループを使用して反復します。StopIteration エラーを気にする必要はありません。
ジェネレーターは非常に強力です。推測するアルゴリズムが複雑な場合、リスト内包表記のような for ループでは実現できない場合も、関数を使用して実現できます。
例えば、有名なフィボナッチ数列（Fibonacci）は、最初の 2 つの数を除いて、任意の数は前の 2 つの数の合計で得られます：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
フィボナッチ数列はリスト内包表記では書けませんが、関数を使用して出力するのは非常に簡単です：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
注意：代入文：
a, b = b, a + b
は次のように相当します：
t = (b, a + b) # tはタプルです
a = t[0]
b = t[1]
しかし、t という一時変数を明示的に書く必要はありません。
上記の関数はフィボナッチ数列の最初の N 個の数を出力できます：
>>> fib(6)
1
1
2
3
5
8
'done'
注意深く観察すると、fib 関数は実際にはフィボナッチ数列の推測ルールを定義しており、最初の要素から始めて、後続の任意の要素を推測できます。このロジックは実際にはジェネレーターに非常に似ています。
つまり、上記の関数はジェネレーター関数に変換することができます。yield を使用して、次のように書き換えます：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
これがジェネレーターを定義する別の方法です。関数定義にyieldキーワードが含まれている場合、その関数は普通の関数ではなく、ジェネレーター関数になります。ジェネレーター関数を呼び出すと、ジェネレーターが返されます：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
ここで、最も理解しにくいのは、ジェネレーター関数と普通の関数の実行フローが異なることです。普通の関数は順次実行され、return 文または最後の行に達すると戻ります。しかし、ジェネレーター関数は、毎回 next () を呼び出すと実行され、yield 文に達すると戻り、次回は前回戻った yield 文から実行を再開します。
簡単な例を挙げると、次のようにジェネレーター関数を定義し、1、3、5 の数字を順に返します：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
このジェネレーター関数を呼び出す際、まずジェネレーターオブジェクトを生成し、次に next () 関数を使用して次の戻り値を取得します：
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
次のように、次の呼び出しで next (o) を呼び出すと、yield がないため、StopIteration エラーがスローされます：
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
注意してください。odd は普通の関数ではなく、ジェネレーター関数です。実行中に yield に達すると中断し、次回は再び実行を続けます。3 回 yield を実行した後、もう yield が実行できないため、4 回目の呼び出しで next (o) がエラーになります。
正しい書き方は、ジェネレーターオブジェクトを作成し、そのオブジェクトに対して next () を呼び出し続けることです：
>>> g = odd()
>>> next(g)
step 1
1
>>> next(g)
step 2
3
>>> next(g)
step 3
5
フィボナッチの例に戻ると、ループの過程で yield を呼び出し続けると、次々と中断されます。もちろん、ループに終了条件を設定する必要があります。そうしないと、無限数列が出力されます。
同様に、関数をジェネレーター関数に変更すると、基本的に next () を使用して次の戻り値を取得することはなく、代わりに for ループを使用して反復します：
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
ただし、for ループを使用してジェネレーターを呼び出すと、ジェネレーターの return 文の戻り値を取得できません。戻り値を取得したい場合は、StopIteration エラーをキャッチする必要があります。戻り値は StopIteration の value に含まれています：
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
要約すると、
1 ジェネレーターは非常に強力なツールであり、Python ではリスト内包表記を簡単にジェネレーターに変更でき、複雑なロジックを持つジェネレーターを関数で実現することもできます。
ジェネレーターの動作原理を理解するには、for ループの過程で次の要素を継続的に計算し、適切な条件で for ループを終了します。関数をジェネレーターに変更した場合、return 文または関数本体の最後の行に達すると、ジェネレーターの終了指示になります。for ループも終了します。
普通の関数とジェネレーター関数を区別することに注意してください。普通の関数は呼び出すと直接結果を返します：
>>> r = abs(6)
>>> r
6
ジェネレーター関数の呼び出しは実際にはジェネレーターオブジェクトを返します：
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>
イテレーター
すでに知っているように、for ループに直接作用できるデータ型は次のようなものです：
1 つは集合データ型で、リスト、タプル、辞書、セット、文字列などです；
もう 1 つはジェネレーターで、ジェネレーターと yield を含むジェネレーター関数です。
これらのオブジェクトはすべて反復可能オブジェクトと呼ばれます：Iterable。
**isinstance ()** を使用して、オブジェクトが Iterable オブジェクトであるかどうかを判断できます：
>>> from collections.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
一方、ジェネレーターは for ループに作用するだけでなく、next () 関数を呼び出して次の値を継続的に返すことができます。最後に StopIteration エラーがスローされ、次の値を返すことができないことを示します。
next () 関数を呼び出して継続的に次の値を返すことができるオブジェクトはイテレーター：Iterator と呼ばれます。
**isinstance ()** を使用して、オブジェクトが Iterator オブジェクトであるかどうかを判断できます：
>>> from collections.abc import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
ジェネレーターはすべて Iterator オブジェクトですが、リスト、辞書、文字列は Iterable ですが Iterator ではありません。
リスト、辞書、文字列などの Iterable を Iterator に変換するには、**iter ()** 関数を使用します：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
あなたはおそらく、なぜリスト、辞書、文字列などのデータ型が Iterator ではないのか疑問に思うでしょうか？
これは、Python の Iterator オブジェクトがデータストリームを表すからです。**Iterator オブジェクトは next () 関数を呼び出して次のデータを