如何用python實現(xiàn)函數(shù)？

分兩步：定義函數(shù)和調(diào)用函數(shù)。

網(wǎng)站建設哪家好，找創(chuàng)新互聯(lián)！專注于網(wǎng)頁設計、網(wǎng)站建設、微信開發(fā)、小程序設計、集團企業(yè)網(wǎng)站建設等服務項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了安次免費建站歡迎大家使用！

1.定義函數(shù)用def關鍵字，然后定義函數(shù)名和入?yún)?，以及函?shù)執(zhí)行語句。

2.通過函數(shù)名調(diào)用函數(shù)即可，需要傳入?yún)?shù)的話需要加上參數(shù)值

Python函數(shù)的定義(構造)和調(diào)用

這里來給大家演示一下，函數(shù)的定義或構造，并調(diào)用函數(shù)來實現(xiàn)封裝后的效果。

首先我們來看看想實現(xiàn)下面的這個效果，如果不使用函數(shù)應該怎么實現(xiàn)。

以上兩種返回結果都是1-9這幾個數(shù)字。

以上兩種方法，第一種代碼重復率太高，代碼美觀效果太差，雖然能實現(xiàn)效果，但是因為數(shù)量比較少，還能手工打出來這幾行代碼，如果是打印1-100000就很難實現(xiàn)了。這時候for循環(huán)還是可以實現(xiàn)的，但是for循環(huán)只能實現(xiàn)類似的數(shù)字和變量循環(huán)，無法進行復雜的功能開發(fā)。鑒于此，函數(shù)這個概念就被python引入了，下面先來看看函數(shù)是怎么實現(xiàn)上面的效果的，還是兩種方法。

這時候如果想實現(xiàn)上面的打印結果就直接使用函數(shù)名+小括號調(diào)用函數(shù)就可以了，這種類型的語法，不僅可以反復使用，而且封裝后的代碼更美觀。

Python構造函數(shù)

類是對象的模板，是抽象的。

構造函數(shù) init 是Python魔術方法之一，如圖魔術方法

我們通過類模版去創(chuàng)建類的實例對象，然后再調(diào)用類定義的功能。

那實例對象的屬性是通過什么來初始化的？

這時候Python引入來構造函數(shù) init

構造函數(shù)，會在創(chuàng)建實例對象之后Python會自動執(zhí)行此方法，把初始化的屬性特點放到實例對象里。

通過前面的學習，我們知道一個python對象包含三個部分：id(識別碼)，type(對象類型)，value(對象的值)

那么我們進一步深入對象包含的三部分：

我們通過類創(chuàng)建實例對象后，需要定義構造函數(shù) init ()方法。

構造方法用于執(zhí)行實例對象的初始化工作，即對象創(chuàng)建之后，初始化當前對象的相關的屬性，無返回值

構造函數(shù)重點 ：

我們通過栗子來學習構造函數(shù)的過程

構造函數(shù)初始化實例對象過程如下：

1.Animal類會通過默認的 new ()方法為實例對象在堆內(nèi)存中為開辟一個空間

敲黑板，重點來啦～

拓展：

我們今天學習了構造函數(shù) init ()，其在創(chuàng)建對象之后被Python自動調(diào)用初始化實例對象屬性數(shù)據(jù)值，無返回值，并且構造函數(shù)不能被顯示調(diào)用。

創(chuàng)建對象時，如果需要，構造函數(shù)可以接受參數(shù)。當創(chuàng)建沒有構造函數(shù)的類時，Python會自動創(chuàng)建一個不執(zhí)行任何操作的默認構造函數(shù)。

每個類必須有一個構造函數(shù)，即使它只依賴于默認構造函數(shù)

好啦，以上是本期內(nèi)容，歡迎大佬評論區(qū)指正～

使用Python構造經(jīng)驗累積分布函數(shù)（ECDF）

對于一個樣本序列 ，經(jīng)驗累積分布函數(shù) (Empirical Cumulative Distribution Function)可被定義為

其中 是一個指示函數(shù)，如果 ，指示函數(shù)取值為1，否則取值為0，因此 能反映在樣本中小于 的元素數(shù)量占比。

根據(jù)格利文科定理（Glivenko–Cantelli Theorem），如果一個樣本滿足獨立同分布(IID)，那么其經(jīng)驗累積分布函數(shù) 會趨近于真實的累積分布函數(shù) 。

首先定義一個類，命名為ECDF：

我們采用均勻分布（Uniform）進行驗證，導入 uniform 包，然后進行兩輪抽樣，第一輪抽取10次，第二輪抽取1000次，比較輸出的結果。

輸出結果為：

而我們知道，在真實的0到1均勻分布中， 時， ，從模擬結果可以看出，樣本量越大，最終的經(jīng)驗累積分布函數(shù)值也越接近于真實的累積分布函數(shù)值，因此格利文科定理得以證明。