Python怎么向函数传递不定数量的参数_Python函数不定长参数传递方法

冰火之心

发布时间：2025-09-15 22:50:01

906人浏览过

来源于php中文网

原创

Python函数通过args和kwargs实现不定参数，args收集位置参数为元组，kwargs收集关键字参数为字典，二者结合可提升函数灵活性与通用性。

python怎么向函数传递不定数量的参数_python函数不定长参数传递方法

Python函数处理不定数量参数的核心机制在于

*args

和

**kwargs

。简单来说，

*args

会把所有额外的、未被明确定义的位置参数收集到一个元组（tuple）里，而

**kwargs

则会把所有额外的、未被明确定义的关键字参数收集到一个字典（dictionary）里。这两种语法极大地提升了函数设计的灵活性，让一个函数能适应多种调用场景，对我个人来说，这简直是Python在函数设计上最优雅的特性之一。

解决方案

在Python中，向函数传递不定数量的参数，主要是通过两种特殊的参数形式来实现的：

*args

用于收集不定数量的位置参数，而

**kwargs

则用于收集不定数量的关键字参数。

*使用 `args

收集位置参数：** 当你定义一个函数时，在某个参数名前面加上一个星号（

），例如
args

（

args`只是一个惯例名称，你可以用其他合法的变量名），这个参数就会把所有传递给函数但没有被其他形参明确接收的位置参数打包成一个元组。

def my_sum(*numbers):
    """
    这个函数可以接收任意数量的数字，并返回它们的和。
    *numbers 会把所有传入的数字收集到一个元组里。
    """
    print(f"收到的参数元组是: {numbers}")
    total = 0
    for num in numbers:
        total += num
    return total

print(my_sum(1, 2, 3))         # 输出: 收到的参数元组是: (1, 2, 3) -> 6
print(my_sum(10, 20, 30, 40))  # 输出: 收到的参数元组是: (10, 20, 30, 40) -> 100
print(my_sum())                # 输出: 收到的参数元组是: () -> 0

使用 `kwargs

收集关键字参数：** 类似地，当你在参数名前面加上两个星号（

），例如
kwargs

（

kwargs`也是一个惯例名称），这个参数就会把所有传递给函数但没有被其他形参明确接收的关键字参数打包成一个字典。字典的键是参数名，值是对应的参数值。

立即学习“Python免费学习笔记（深入）”；

def print_info(name, **details):
    """
    这个函数接收一个姓名，以及任意数量的额外信息作为关键字参数。
    **details 会把所有额外信息收集到一个字典里。
    """
    print(f"姓名: {name}")
    print(f"额外信息字典: {details}")
    for key, value in details.items():
        print(f"  {key}: {value}")

print_info("张三", age=30, city="北京", occupation="工程师")
# 输出:
# 姓名: 张三
# 额外信息字典: {'age': 30, 'city': '北京', 'occupation': '工程师'}
#   age: 30
#   city: 北京
#   occupation: 工程师

print_info("李四", hobby="阅读")
# 输出:
# 姓名: 李四
# 额外信息字典: {'hobby': '阅读'}
#   hobby: 阅读

同时使用

*args

和
**kwargs
：* 你可以在同一个函数定义中同时使用它们。需要注意的是，它们的顺序通常是：普通参数 -> `args
->
kwargs`。

def configure_device(device_id, *settings, **options):
    """
    配置设备。device_id是设备ID，*settings是位置参数设置，**options是关键字参数选项。
    """
    print(f"配置设备ID: {device_id}")
    print(f"通用设置 (元组): {settings}")
    print(f"高级选项 (字典): {options}")

configure_device("dev-001", "enabled", "verbose", timeout=60, retries=3)
# 输出:
# 配置设备ID: dev-001
# 通用设置 (元组): ('enabled', 'verbose')
# 高级选项 (字典): {'timeout': 60, 'retries': 3}

这种设计模式，在我看来，是Python在处理可变参数方面提供的一个非常强大且直观的工具，能让我们的代码写得更灵活，也更通用。

Python中

*args

和

**kwargs

究竟是怎么工作的？

*args

和

**kwargs

，这两个在Python函数定义中经常出现的“魔法”参数，其实是用来处理函数接收不定数量参数的机制。理解它们的工作原理，对于写出灵活、健壮的Python代码至关重要。

*`args

的工作原理：收集位置参数** 当你定义一个函数，并在一个参数前加上星号（

），比如
def func(items):`，Python解释器会这样做：

它会首先匹配所有常规的位置参数和带默认值的参数。
然后，所有剩余的、未被匹配的位置参数（也就是你按顺序传入的那些值）都会被收集起来。
这些被收集的值会被打包成一个元组（tuple），然后赋值给那个带有星号的参数（在这个例子中是
```
items
```
）。所以，
```
*args
```
本质上是一个“位置参数收集器”，它把多个独立的参数“聚合”成一个不可变的序列。这在我看来，就像一个篮子，你往里面扔多少水果（参数），它都能装下，并且按你扔的顺序排列好。

`kwargs

的工作原理：收集关键字参数** 类似地，当你定义一个函数，并在一个参数前加上两个星号（

），比如
def func(options):`，Python解释器会：

匹配所有常规的位置参数、带默认值的参数，以及关键字参数（如果它们有明确的形参名）。
然后，所有剩余的、未被匹配的关键字参数（也就是你以
```
key=value
```
形式传入的那些）都会被收集起来。
这些被收集的关键字参数会以键值对的形式，被打包成一个字典（dictionary），然后赋值给那个带有双星号的参数（在这个例子中是
```
options
```
）。
```
**kwargs
```
因此可以看作是一个“关键字参数收集器”，它将多个命名参数及其值“聚合”成一个可变的映射。这就像一个标签箱，你传入的每个带标签的物品（关键字参数），它都能按标签分门别类地放好。

核心区别和应用场景：

*`args` 处理的是位置参数，收集结果是元组**。它适用于你不知道会有多少个输入，但这些输入都代表同一种类型或目的的场景，比如计算任意多个数的和、平均值等。
`kwargs` 处理的是关键字参数，收集结果是字典**。它适用于你需要传递一些可选的、具名的配置或属性的场景，比如一个函数需要接收一些配置项，这些配置项可能随时增加或减少，或者你希望调用者能清晰地知道每个参数的含义。

我经常发现，在编写一些通用工具函数或者需要高度灵活性的API时，这两种机制的结合使用简直是神器。它们允许函数签名保持简洁，同时又能处理各种复杂的输入组合，避免了写一大堆重载函数或使用大量默认参数的麻烦。

Vondy

下一代AI应用平台，汇集了一流的工具/应用程序

下载

设计Python函数时，参数的排列顺序为什么那么重要？

在Python函数定义中，参数的排列顺序绝不仅仅是美观问题，它直接关系到函数能否被正确解析和调用，甚至可能导致

SyntaxError

。对我来说，这就像盖房子，地基、墙壁、屋顶都有其固定的建造顺序，错乱了就无法成型。

Python函数参数的规范顺序是这样的：

普通位置参数 (Positional-or-Keyword Arguments): 这些是最常见的参数，可以按位置传递，也可以按关键字传递。
- ```
def func(a, b):
```
默认值参数 (Default Arguments): 带有默认值的参数，它们也属于位置或关键字参数，但必须放在没有默认值的参数之后。
- ```
def func(a, b=1):
```
*`args` (Positional Arguments Collector):** 用于收集不定数量的位置参数。它必须出现在所有普通位置参数和默认值参数之后。
- ```
def func(a, b=1, *args):
```
关键字唯一参数 (Keyword-Only Arguments): 这些参数只能通过关键字形式传递，不能按位置传递。它们通常出现在
```
*args
```
之后，或者在单独的
```
*
```
之后（如果函数没有
```
*args
```
）。
- ```
def func(a, b=1, *args, c, d=2):
```
  (这里的
```
c
```
  和
```
d
```
  就是关键字唯一参数)
- ```
def func(a, *, c, d=2):
```
  (这里的
```
*
```
  作为一个占位符，表示其后的参数都是关键字唯一参数)
`kwargs` (Keyword Arguments Collector):** 用于收集不定数量的关键字参数。它必须出现在所有其他参数之后。
- ```
def func(a, b=1, *args, c, d=2, **kwargs):
```

为什么这个顺序如此重要？

解析的确定性： Python解释器需要一个明确的规则来知道哪个值对应哪个参数。如果顺序混乱，它就无法确定一个值是普通参数、
```
*args
```
的一部分，还是一个关键字参数。
避免歧义： 例如，如果
```
*args
```
在普通参数之前，那么Python就不知道哪些参数是常规的，哪些是应该被
```
*args
```
收集的。
语法错误： 违反这个顺序会导致
```
SyntaxError
```
。例如，你不能把一个普通参数放在
```
*args
```
之后，也不能把一个没有默认值的参数放在有默认值的参数之后（除非它是关键字唯一参数）。

常见错误示例：

# 错误示例1: 默认值参数后面跟着无默认值参数
# def func(a=1, b):
#     pass
# SyntaxError: non-default argument follows default argument

# 错误示例2: 普通参数放在*args之后
# def func(*args, a):
#     pass
# SyntaxError: non-default argument follows *args

# 正确的关键字唯一参数用法
def my_func(arg1, *args, kw_only_arg1, kw_only_arg2=None, **kwargs):
    print(f"arg1: {arg1}")
    print(f"args: {args}")
    print(f"kw_only_arg1: {kw_only_arg1}")
    print(f"kw_only_arg2: {kw_only_arg2}")
    print(f"kwargs: {kwargs}")

my_func(1, 2, 3, kw_only_arg1="hello", extra="world")
# 输出:
# arg1: 1
# args: (2, 3)
# kw_only_arg1: hello
# kw_only_arg2: None
# kwargs: {'extra': 'world'}

理解并遵循这个参数顺序，不仅能避免恼人的语法错误，还能帮助我们设计出更清晰、更易于理解和使用的函数接口。对我来说，这不仅仅是规则，更是一种编程的“礼仪”，让代码更具可读性和可维护性。

在真实项目中，不定长参数还能玩出什么花样？

不定长参数（

*args

和

**kwargs

）在真实世界的Python项目中，远不止是接收额外输入那么简单。它们是构建灵活API、实现设计模式，甚至进行元编程的基石。我个人在很多场景下都依赖它们来简化代码、提高复用性。

函数委托 (Function Delegation) 或包装器 (Wrappers)： 这是最常见的应用之一。当你需要创建一个函数来包装另一个函数，并可能在调用前后做一些额外的事情（比如日志记录、性能分析、权限检查），但又不想改变被包装函数的原始签名时，

*args

和

**kwargs

就派上用场了。

import time

def timing_decorator(func):
    """一个简单的计时装饰器"""
    def wrapper(*args, **kwargs): # 使用*args和**kwargs来接收任意参数
        start_time = time.time()
        result = func(*args, **kwargs) # 将参数原样传递给被包装函数
        end_time = time.time()
        print(f"函数 '{func.__name__}' 执行耗时: {end_time - start_time:.4f} 秒")
        return result
    return wrapper

@timing_decorator
def complex_calculation(a, b, c=1):
    time.sleep(0.5) # 模拟耗时操作
    return a * b + c

@timing_decorator
def simple_greeting(name, greeting="Hello"):
    time.sleep(0.1)
    return f"{greeting}, {name}!"

print(complex_calculation(10, 20, c=5))
print(simple_greeting("Alice"))

在这个例子中，

timing_decorator

并不知道

complex_calculation

或

simple_greeting

会接收什么参数，但通过

*args

和

**kwargs

，它能够无缝地将所有传入的参数转发给被装饰的函数，这简直太方便了。

构建通用工具函数： 设想你需要一个函数，可以对不同类型的数据执行某种操作，而这些数据可能需要不同的初始化参数。

def create_instance(cls, *args, **kwargs):
    """
    一个通用的实例创建函数，可以传入任意类的构造函数参数。
    """
    print(f"尝试创建 {cls.__name__} 实例...")
    instance = cls(*args, **kwargs) # 动态创建实例
    print(f"{cls.__name__} 实例创建成功。")
    return instance

class User:
    def __init__(self, name, age, city="Unknown"):
        self.name = name
        self.age = age
        self.city = city
        print(f"User {self.name} created.")

class Product:
    def __init__(self, item_id, price, quantity=0):
        self.item_id = item_id
        self.price = price
        self.quantity = quantity
        print(f"Product {self.item_id} created.")

user1 = create_instance(User, "Bob", 25, city="New York")
product1 = create_instance(Product, "P101", 99.99, quantity=100)

create_instance

函数通过

*args

和

**kwargs

变得极其通用，可以用来创建任何类的实例，而无需提前知道这些类的构造函数签名。

函数签名模拟与动态调用： 在一些高级场景，比如实现一个命令解析器或者插件系统时，你可能需要根据用户输入动态地调用某个函数，并传递相应的参数。

def execute_command(command_func, *args, **kwargs):
    """
    动态执行一个命令函数，并传递所有参数。
    """
    print(f"正在执行命令: {command_func.__name__}...")
    try:
        result = command_func(*args, **kwargs)
        print(f"命令执行成功，结果: {result}")
        return result
    except TypeError as e:
        print(f"命令执行失败，参数不匹配: {e}")
        print(f"预期参数: {command_func.__code__.co_varnames[:command_func.__code__.co_argcount]}")
        return None

def add_numbers(x, y):
    return x + y

def greet_user(name, title="Mr."):
    return f"{title} {name}, welcome!"

execute_command(add_numbers, 5, 10)
execute_command(greet_user, name="Alice", title="Ms.")
execute_command(add_numbers, 5) # 故意传递错误数量的参数