python函数怎么设置默认参数值

一、默认参数的基本设置语法与调用形式

默认参数（Default Arguments）是 Python 函数设计中最实用的功能之一。它允许我们为函数的某些配置项预置常见取值，从而大幅精简日常调用代码，同时又为需要个性化配置的场景保留灵活性。

其基本声明语法非常直观：在形参列表中写上 参数名 = 预设值 即可。例如，我们编写一个用户通知函数 send_notice，其中接收通知的用户名是必填项，而通知渠道默认使用邮件，重试次数默认设为 3 次：

# 基础示例：为 channel 和 retry 设置默认参数值
def send_notice(user, channel="email", retry=3):
    return f"向 {user} 发送通知 [渠道: {channel}, 重试次数: {retry}]"

定义好带有默认值的函数后，在调用侧可以享受到极大的自由度。以下是几种典型的调用形式：

• 完全省略默认参数：当默认配置完全符合需求时，只需传递必选参数。

  # 仅传必选参数 user，channel 取 "email"，retry 取 3
  print(send_notice("张三"))
  # 示例输出：向 张三 发送通知 [渠道: email, 重试次数: 3]

• 按位置顺序覆盖默认参数：如果想调整前面的默认参数，可以直接按位置传值。

  # 传入两个位置参数，channel 被覆盖为 "sms"，retry 仍保留默认值 3
  print(send_notice("李四", "sms"))
  # 示例输出：向 李四 发送通知 [渠道: sms, 重试次数: 3]

• 按关键字指定覆盖默认参数：如果只想修改排在后面的默认参数（例如跳过 channel，仅修改 retry），可以使用关键字参数形式传值。

  # 使用关键字参数跳过 channel，只把 retry 调整为 5
  print(send_notice("王五", retry=5))
  # 示例输出：向 王五 发送通知 [渠道: email, 重试次数: 5]

• 全量覆盖参数：传入所有参数的值，替换掉所有默认值。

  print(send_notice("赵六", "webhook", 1))
  # 示例输出：向 赵六 发送通知 [渠道: webhook, 重试次数: 1]

二、形参排布的顺序规则与常见报错

为函数定义默认参数时，必须严格遵守 Python 的参数声明顺序规则：所有没有默认值的必选形参，必须写在任何带有默认值的形参之前。

如果颠倒了这个顺序，把带有默认值的形参写在了必选形参前面，Python 解释器在语法解析阶段就会直接中断并报错。我们来看一个典型的反面例子：

# 错误示范：默认参数 discount 写在了必选参数 price 前面
def calc_price(discount=0.85, price):
    return price * discount

在 Python 中执行上述代码，控制台会立刻抛出如下语法错误：

SyntaxError: non-default argument follows default argument

修正该错误的方法非常直接：把无默认值的 price 移到最左侧：

# 正确示范：必选形参在左，默认形参在右
def calc_price(price, discount=0.85):
    return price * discount

进阶拓展：仅限关键字参数（Keyword-Only Arguments）

在 Python 3 中，我们可以在形参列表中使用裸星号 * 作为分隔符。在 * 后面的所有形参都属于“仅限关键字参数”，调用时必须显式写出参数名。在这部分区域内，带有默认值的形参和不带默认值的形参在排布上相对更加灵活：

# * 之后的参数只能通过关键字传递，retry 和 timeout 均有默认值
def fetch_data(api_url, *, retry=3, timeout=10):
    return f"请求 {api_url}，重试: {retry}，超时: {timeout}"

# 正确调用方式：必须以 key=value 形式指定 * 后的参数
fetch_data("https://api.example.com", timeout=30)

三、警惕致命陷阱：可变对象作为默认参数

这是 Python 学习过程中最著名的陷阱之一。许多初学者在需要让默认参数是一个空列表或空字典时，会非常自然地写出类似 def append_item(item, box=[]): 的代码。然而，这一写法往往会引发严重的隐蔽 Bug。

陷阱现象复现

我们来看下面这段看似毫无问题的代码：

def add_tag(tag, tags=[]):
    tags.append(tag)
    return tags

# 第一次调用
print(add_tag("python"))
# 示例输出：['python'] —— 符合直觉

# 第二次调用
print(add_tag("backend"))
# 示例输出：['python', 'backend'] —— 为什么之前的 'python' 还在？！

# 第三次调用
print(add_tag("docker"))
# 示例输出：['python', 'backend', 'docker'] —— 列表在所有调用间被累加共享了！

按照通常的思维惯性，我们会以为每次调用 add_tag("xxx") 时，若未传 tags，都会创建一个崭新的空列表 []。但实际输出却表明：多次调用之间的数据竟然发生了交叉污染！

底层原因剖析：def 语句的求值时机

这种现象源于 Python 独特的执行机制：

1. 函数是第一类对象：在 Python 中，def 是一条真正的执行语句。当模块被导入或 Python 解析到 def 这行代码时，函数对象就已被创建。
2. 默认参数表达式只计算一次：形参列表中的默认值表达式（如 tags=[]）是在函数定义期（模块加载时）计算并确定的，而不是在每一次函数被调用的运行时重复计算。
3. 内存引用长久驻留：Python 会将定义期计算出来的对象保存在该函数对象的内部属性 __defaults__ 中。因为列表是可变对象（Mutable Object），之后每一次不传实参的调用，形参 tags 绑定的都是指向同一个列表对象的内存指针！在函数内部调用 tags.append()，修改的就是这个长驻内存的唯一列表。

四、行业标准方案：使用 None 哨兵模式

既然可变对象不能直接作为默认值，那么在工程实践中，当函数的某个参数默认需要一个新容器（如空列表、空字典）时，应该如何编写代码呢？

Python 官方推荐的标准解法是：将默认值设为不可变单例 None，并在函数体内部进行动态判断与延迟初始化。

标准防御式写法

def add_tag(tag, tags=None):
    # 1. 显式检测是否未传递实参
    if tags is None:
        tags = []  # 在当前函数的局部栈帧中独立创建全新列表
    tags.append(tag)
    return tags

此时再次进行多次调用测试：

print(add_tag("python"))   # 示例输出：['python']
print(add_tag("backend"))  # 示例输出：['backend'] —— 互不干扰，完全正常！

# 如果调用者显式传入了已有的列表，也完全能够正常协同工作
my_custom_tags = ["devops"]
print(add_tag("k8s", my_custom_tags))  # 示例输出：['devops', 'k8s']

五、深入底层：默认参数元属性自省与动态默认值

1. 查看函数底层保存的默认值

在 Python 中，一切皆对象。我们可以直接访问函数对象的内置特殊属性，亲眼查看解释器是如何存放默认值的：

def demo_func(a, b=10, c="hello", *, d=True):
    pass

# 1. __defaults__：以元组形式存储普通位置参数的默认值
print(demo_func.__defaults__)
# 示例输出：(10, 'hello')

# 2. __kwdefaults__：以字典形式存储仅限关键字参数的默认值
print(demo_func.__kwdefaults__)
# 示例输出：{'d': True}

# 3. 使用标准库 inspect 获取完整函数签名信息
import inspect
sig = inspect.signature(demo_func)
for name, param in sig.parameters.items():
    print(f"参数: {name}, 默认值: {param.default}")
# 示例输出：
# 参数: a, 默认值: <class 'inspect._empty'>
# 参数: b, 默认值: 10
# 参数: c, 默认值: hello
# 参数: d, 默认值: True

2. 动态求值陷阱（时间戳与随机数）

“定义期单次求值”原则不仅适用于可变集合，同样影响动态计算的表达式。比如记录日志的时间戳：

from datetime import datetime
import time

# 严重错误示范：datetime.now() 只在函数定义时执行一次！
def log_event(message, timestamp=datetime.now()):
    print(f"[{timestamp}] {message}")

log_event("任务启动")
time.sleep(3)
log_event("任务完成")  # 打印出的时间戳依然是 3 秒前启动时的时间！

正确对策：同样使用 None 哨兵模式，将实时计算延迟到函数执行的那一瞬间：

# 正确工程实践：设为 None 并在执行时动态获取最新时间
def log_event(message, timestamp=None):
    if timestamp is None:
        timestamp = datetime.now()
    print(f"[{timestamp}] {message}")

六、默认参数设计总结与选型决策

在日常 Python 开发中，设置默认参数可以显著提高接口的易用性。为了确保代码既简洁又没有潜在安全隐患，可以参考下表进行类型选型：