引

在函数参数的世界里，基础的位置参数和关键字参数只是起点。当面对更复杂的场景——比如希望函数某些参数有默认值、需要处理不确定数量的输入，或者灵活传递参数给其他函数时，默认参数和可变参数（*args/**kwargs）就成了不可或缺的工具。它们不仅能让函数更灵活、更易用，还能大幅提升代码的复用性和扩展性。

本文将深入解析默认参数的设计逻辑与常见陷阱，系统讲解*args和**kwargs的工作原理与使用场景，通过“动态求和”“灵活配置”等实战案例，帮助你掌握这些进阶参数的精髓，让函数设计从“满足基本需求”升级到“应对复杂场景”。

一、默认参数：给函数参数设置“默认值”

在很多场景下，函数的某些参数在大多数情况下取值固定，只有少数情况需要修改。例如：计算商品总价时，税率通常固定为13%；发送消息时，默认接收者是系统管理员。这时，默认参数就能派上用场——在函数定义时为参数指定默认值，调用时可省略该参数，使用默认值；若有特殊需求，再显式传递新值覆盖默认值。

1. 基本语法与使用示例

默认参数的定义方式非常简单：在函数形参后加=默认值即可。调用函数时，若不传递该参数，则使用默认值；若传递，则使用新值。

示例1：带默认参数的乘法函数

def multiply(a, b=10):"""计算a乘以b，b的默认值为10"""return a * b# 调用时省略b，使用默认值10
result1 = multiply(5)  # 等价于multiply(5, 10)
print(f"5 × 10（默认） = {result1}")  # 输出：5 × 10（默认） = 50# 调用时传递b，覆盖默认值
result2 = multiply(5, 3)
print(f"5 × 3（自定义） = {result2}")  # 输出：5 × 3（自定义） = 15

解析：

• 函数定义def multiply(a, b=10)中，b是默认参数，默认值为10；a是非默认参数（必须传递的参数）。
• 调用multiply(5)时，只传递了a=5，b自动使用默认值10，计算5×10=50。
• 调用multiply(5, 3)时，b=3覆盖默认值，计算5×3=15。

这种设计让函数在“大多数常规场景”下调用更简洁，同时保留了“特殊场景”下的灵活性。

2. 默认参数的核心规则：必须放在非默认参数之后

Python规定：所有默认参数必须位于非默认参数的后面。这是因为函数解析参数时，会先处理位置参数，再处理默认参数。若默认参数放在前面，会导致参数绑定混乱。

示例2：默认参数位置错误（报错）

# 错误：默认参数b放在非默认参数a前面
def multiply(b=10, a):return a * b

报错信息：

SyntaxError: non-default argument follows default argument

解析：错误原因是“非默认参数跟在默认参数之后”。假设允许这种定义，调用multiply(5)时，解释器无法判断5是给b（默认参数）还是a（非默认参数），导致歧义。因此Python从语法层面禁止了这种写法。

正确的做法是将所有非默认参数放在前面，默认参数放在后面，例如def func(a, b, c=0, d=1): ...。

3. 默认参数的“可变对象陷阱”：默认值只初始化一次

默认参数的默认值在函数定义时就会被初始化，而非每次调用时重新生成。这对整数、字符串等不可变对象没问题，但对列表、字典等可变对象可能导致意外结果。

示例3：默认参数为可变对象（列表）的陷阱

def add_item(item, items=[]):"""向列表中添加元素，默认列表为空"""items.append(item)return items# 第一次调用：预期返回[1]
print(add_item(1))  # 输出：[1]# 第二次调用：预期返回[2]，实际返回[1, 2]
print(add_item(2))  # 输出：[1, 2]

解析：

• 函数定义时，items=[]创建了一个空列表，这个列表对象在内存中只会被创建一次。
• 第一次调用add_item(1)时，items指向这个列表，添加1后变为[1]。
• 第二次调用时，items仍然指向同一个列表（而非重新创建空列表），添加2后变为[1, 2]，与预期不符。

这就是“可变对象陷阱”——默认参数为可变对象时，多次调用会共享同一个对象，导致状态累积。

解决方案：默认值用None，在函数内初始化可变对象

def add_item(item, items=None):"""修复可变对象陷阱：用None作为默认值，在函数内初始化列表"""if items is None:items = []  # 每次调用时重新创建空列表items.append(item)return items# 多次调用结果符合预期
print(add_item(1))  # 输出：[1]
print(add_item(2))  # 输出：[2]

解析：将默认值设为None（不可变对象），每次调用时若未传递items，则在函数内重新创建空列表，避免了多次调用共享同一个列表的问题。这是处理默认参数为可变对象的标准做法。

4. 默认参数的适用场景

默认参数非常适合以下场景：

• 常用参数固定值：如def connect(host, port=8080)，端口号8080是最常用的，无需每次指定。
• 可选功能开关：如def download(url, proxy=False)，proxy=False表示默认不使用代理，需要时传递proxy=True。
• 参数兼容性：当函数需要新增参数时，给新参数设置默认值，避免影响旧的调用代码（向后兼容）。

二、可变参数*args：接收任意个位置参数

在实际开发中，我们经常会遇到“函数需要处理的参数数量不确定”的情况。例如：实现一个求和函数，支持2个数相加、3个数相加，甚至10个数相加；定义一个打印函数，能接收任意个待打印的对象。这时，可变参数*args就能解决这个问题——它可以接收任意数量的位置参数，并将它们封装成一个元组。

1. 基本语法与工作原理

*args的语法是在参数名前加*（星号），表示该参数是可变位置参数。调用函数时，传递的所有位置参数都会被收集到args中，作为一个元组存在。

示例4：用*args接收任意个位置参数

def print_args(*args):"""打印接收的所有位置参数"""print("参数类型：", type(args))  # 输出：<class 'tuple'>print("参数值：", args)# 传递不同数量的位置参数
print_args(1, 2, 3)          # 输出：参数值：(1, 2, 3)
print_args("a", "b")         # 输出：参数值：('a', 'b')
print_args(True, 3.14, "hello")  # 输出：参数值：(True, 3.14, 'hello')
print_args()                 # 输出：参数值：()（空元组）

解析：

• 函数定义def print_args(*args)中，*args表示“收集所有位置参数”。
• 无论传递0个、1个还是多个位置参数，args都会将它们打包成元组（即使只有一个参数，也是元组(x,)）。
• 若未传递位置参数，args是一个空元组()，不会报错。

这种特性让函数能灵活处理“参数数量不确定”的场景，无需提前定义固定数量的形参。

2. 实战：用*args实现自定义求和函数

最典型的*args应用是实现支持任意个数相加的求和函数，替代固定参数的add(a, b)、add(a, b, c)等繁琐定义。

示例5：自定义求和函数（支持任意个数相加）

def custom_sum(*args):"""计算任意个数字的和"""# 处理无参数的情况if not args:  # 判断元组是否为空return 0total = 0for num in args:  # 遍历元组中的所有参数# 只累加数字类型，忽略非数字（可选逻辑）if isinstance(num, (int, float)):total += numelse:print(f"警告：{num}不是数字，已忽略")return total# 测试不同数量和类型的参数
print("求和结果：", custom_sum(1, 2, 3))  # 输出：6
print("求和结果：", custom_sum(10, 20, 30, 40))  # 输出：100
print("求和结果：", custom_sum(3.14, 2.71))  # 输出：5.85
print("求和结果：", custom_sum(5, "a", 3))  # 输出警告，结果：8
print("求和结果：", custom_sum())  # 输出：0

解析：

• *args收集所有传递的位置参数（如1,2,3），形成元组(1,2,3)。
• 函数通过遍历元组args，累加所有数字类型的元素，实现“任意个数求和”。
• 增加了对非数字参数的处理（忽略并警告）和无参数情况的兼容（返回0），让函数更健壮。

相比固定参数的实现（如def sum(a, b, c=0, d=0): ...），*args版本的扩展性更好——无论需要加多少个数，函数定义都无需修改。

3. *args与普通参数的混合使用

*args可以与普通参数（位置参数、默认参数）混合使用，但*args必须放在普通位置参数之后、默认参数之前，遵循“位置参数→*args→默认参数”的顺序。

示例6：混合使用普通参数和*args

def func(a, b, *args, c=0):"""普通参数a、b → *args → 默认参数c"""print(f"a={a}, b={b}, args={args}, c={c}")# 调用：a和b必须传递，args接收剩余位置参数，c可选
func(1, 2)  # 输出：a=1, b=2, args=(), c=0
func(1, 2, 3, 4)  # 输出：a=1, b=2, args=(3, 4), c=0
func(1, 2, 3, 4, c=5)  # 输出：a=1, b=2, args=(3, 4), c=5

解析：

• 前两个参数a和b是普通位置参数，必须传递。
• *args接收剩余的位置参数（如3,4被收集为(3,4)）。
• 默认参数c放在最后，可省略或通过关键字传递。

这种混合方式既能保证核心参数必须传递，又能灵活接收额外的位置参数，适合“基础参数固定+附加参数灵活”的场景。

三、可变参数**kwargs：接收任意个关键字参数

*args解决了“任意个位置参数”的问题，但无法处理“任意个关键字参数”。例如：定义一个函数，需要接收用户的任意属性（姓名、年龄、性别、职业等，数量不确定）；封装一个API调用函数，需要支持接口的所有可选参数（格式、页码、筛选条件等）。这时，** 可变参数kwargs就派上用场了——它可以接收任意数量的关键字参数，并将它们封装成一个字典。

1. 基本语法与工作原理

**kwargs的语法是在参数名前加**（两个星号），表示该参数是可变关键字参数。调用函数时，传递的所有关键字参数都会被收集到kwargs中，作为一个字典存在（键是参数名，值是参数值）。

示例7：用**kwargs接收任意个关键字参数

def print_kwargs(**kwargs):"""打印接收的所有关键字参数"""print("参数类型：", type(kwargs))  # 输出：<class 'dict'>print("参数值：", kwargs)# 传递不同数量的关键字参数
print_kwargs(name="小明", age=20)  # 输出：{'name': '小明', 'age': 20}
print_kwargs(city="北京", temperature=25)  # 输出：{'city': '北京', 'temperature': 25}
print_kwargs()  # 输出：{}（空字典）

解析：

• 函数定义def print_kwargs(**kwargs)中，**kwargs表示“收集所有关键字参数”。
• 无论传递0个、1个还是多个关键字参数，kwargs都会将它们打包成字典（键是参数名，值是参数值）。
• 若未传递关键字参数，kwargs是一个空字典{}，不会报错。

**kwargs的灵活性在于：函数无需提前知道会接收哪些关键字参数，完全由调用者决定，适合处理“动态属性”或“可选配置”。

2. 实战：用**kwargs处理用户动态属性

假设需要定义一个函数，打印用户的信息，但用户属性不固定（可能有姓名、年龄、性别，也可能有职业、爱好等）。用**kwargs可以轻松实现这一需求。

示例8：处理用户动态属性的函数

def print_user_attributes(** kwargs):"""打印用户的任意属性（关键字参数形式传递）"""if not kwargs:print("没有提供用户属性")returnprint("用户属性：")for key, value in kwargs.items():  # 遍历字典中的键值对print(f"- {key}：{value}")# 传递不同的用户属性
print_user_attributes(name="小红", age=18, gender="女", hobby="读书")
# 输出：
# 用户属性：
# - name：小红
# - age：18
# - gender：女
# - hobby：读书print_user_attributes(name="小刚", occupation="学生")
# 输出：
# 用户属性：
# - name：小刚
# - occupation：学生print_user_attributes()  # 输出：没有提供用户属性

解析：

• 调用者可以传递任意数量、任意名称的关键字参数（如name、age、hobby等）。
• 函数通过遍历字典kwargs，打印所有属性，无需提前定义形参。
• 增加了对空参数的处理，让函数更友好。

这种方式特别适合处理“属性不固定”的对象，如用户信息、商品配置、API参数等，避免函数定义因参数过多而臃肿。

3. **kwargs与其他参数的混合使用

**kwargs可以与普通参数、*args混合使用，但其位置有严格限制：** 必须放在所有参数的最后**，遵循“位置参数→*args→默认参数→**kwargs”的顺序。

示例9：所有参数类型的混合使用（正确顺序）

def func(a, b, *args, c=0, **kwargs):"""完整参数顺序：位置参数→*args→默认参数→** kwargs"""print(f"a={a}, b={b}")print(f"args={args}, c={c}")print(f"kwargs={kwargs}")# 调用示例
func(1, 2, 3, 4, c=5, x=6, y=7)

输出结果：

a=1, b=2
args=(3, 4), c=5
kwargs={'x': 6, 'y': 7}

解析：

• 位置参数a=1、b=2被优先处理。
• 剩余位置参数3,4被*args收集为(3,4)。
• 默认参数c被关键字参数c=5覆盖。
• 最后，额外的关键字参数x=6、y=7被**kwargs收集为{'x':6, 'y':7}。

示例10：** kwargs位置错误（报错）

# 错误：**kwargs放在其他参数前面
def func(** kwargs, a, b):pass

报错信息：

SyntaxError: invalid parameter name: '**kwargs'

解析：**kwargs必须放在所有参数的最后，因为它需要收集“剩余的所有关键字参数”，若前面还有未处理的参数，会导致参数解析混乱。

四、*args与**kwargs的高级应用：参数转发

*args和**kwargs的一个强大用途是**“参数转发”**——将一个函数接收的参数原封不动地传递给另一个函数。这在封装函数、编写装饰器等场景中非常有用，能大幅减少代码冗余。

1. 封装函数时的参数转发

假设我们需要封装Python内置的print函数，增加“打印前先输出分隔线”的功能，但又希望保留print函数的所有参数（如sep、end等）。用*args和**kwargs可以轻松实现，无需重复定义print的所有参数。

示例11：封装print函数，转发所有参数

def my_print(*args, **kwargs):"""封装print函数，先打印分隔线，再转发所有参数给print"""print("-" * 30)  # 新增功能：打印分隔线print(*args, **kwargs)  # 转发所有参数给内置print# 调用my_print，支持print的所有参数
my_print("Hello, World!")  # 基本用法
my_print(1, 2, 3, sep=" | ")  # 使用sep参数
my_print("结束", end="\n\n")  # 使用end参数

输出结果：

------------------------------
Hello, World!
------------------------------
1 | 2 | 3
------------------------------
结束

解析：

• my_print的*args接收所有位置参数（如"Hello, World!"、1,2,3），**kwargs接收所有关键字参数（如sep=" | "、end="\n\n"）。
• 通过print(*args, **kwargs)将参数转发给内置print函数，*和**在这里的作用是“解包”（将元组解为位置参数，字典解为关键字参数）。
• 无需知道print函数的具体参数，就能完整保留其功能，实现灵活封装。

2. 装饰器中的参数转发

装饰器（用于增强函数功能的函数）是*args和**kwargs的典型应用场景。装饰器需要接收被装饰函数的所有参数，并传递给原函数，而*args和**kwargs能完美适配任意参数列表的函数。

示例12：用装饰器记录函数调用日志（参数转发）

def log_call(func):"""装饰器：记录函数调用的参数和返回值"""def wrapper(*args, **kwargs):# 记录调用参数print(f"调用函数：{func.__name__}")print(f"位置参数：{args}")print(f"关键字参数：{kwargs}")# 调用原函数，转发所有参数result = func(*args, **kwargs)# 记录返回值print(f"返回值：{result}\n")return resultreturn wrapper# 用装饰器增强函数
@log_call
def add(a, b):return a + b@log_call
def greet(name, message="Hello"):return f"{message}, {name}!"# 调用被装饰的函数
add(3, 5)
greet("小明", message="你好")

输出结果：

调用函数：add
位置参数：(3, 5)
关键字参数：{}
返回值：8调用函数：greet
位置参数：('小明',)
关键字参数：{'message': '你好'}
返回值：你好, 小明!

解析：

• 装饰器log_call中的wrapper函数用*args和**kwargs接收任意参数，无论被装饰的函数（add或greet）有多少参数、是什么类型，都能兼容。
• 通过func(*args, **kwargs)将参数转发给原函数，确保原函数正常执行。
• 这种方式让装饰器具有通用性，可应用于任何函数，无需针对不同参数列表修改装饰器代码。

五、*args与**kwargs的命名规范与最佳实践

虽然*args和**kwargs中的args和kwargs只是约定俗成的名称（可以换成其他名字，如*params、**kwargs_dict），但遵循这些规范能让代码更易读——其他开发者看到*args就知道是“可变位置参数”，看到**kwargs就知道是“可变关键字参数”。

1. 命名规范

• *args：args是“arguments”的缩写，代表“位置参数的集合”。
• **kwargs：kwargs是“keyword arguments”的缩写，代表“关键字参数的集合”。
• 尽量使用默认名称，避免自定义名称（如*my_args），除非有特殊理由。

2. 最佳实践

实践1：优先明确参数，再用可变参数

不要过度依赖*args和**kwargs。如果函数参数数量和名称是确定的，优先使用普通参数（更清晰）；只有在参数不确定时，才使用可变参数。

反例：参数明确却滥用*args

# 不好：明明只需要a和b，却用*args
def add(*args):return args[0] + args[1]# 好：明确参数更清晰
def add(a, b):return a + b

实践2：限制*args和**kwargs的使用场景

*args适合：

• 处理数量不确定的同类型参数（如求和、求最大值）。
• 转发位置参数给其他函数。

**kwargs适合：

• 处理动态属性或配置（如用户信息、API参数）。
• 转发关键字参数给其他函数。

实践3：为可变参数添加文档说明

由于*args和**kwargs的参数不明确，必须在文档字符串中说明其含义和预期类型，帮助使用者正确传递参数。

def send_request(url, *args, **kwargs):"""发送HTTP请求参数：url (str)：请求URL*args：传递给requests.get的额外位置参数**kwargs：传递给requests.get的额外关键字参数（如headers、timeout等）"""import requestsreturn requests.get(url, *args, **kwargs)

六、综合案例：灵活的数据分析函数

我们通过一个“灵活的数据分析函数”案例，综合应用默认参数、*args和**kwargs，实现以下功能：

• 计算多个数据列的平均值（支持任意列，用*args接收）。
• 提供默认的精度设置（保留2位小数，用默认参数）。
• 支持额外的分析选项（如排序、过滤，用**kwargs接收）。

1. 案例代码实现

def custom_sum(*args):"""计算任意个数字的和"""# 处理无参数的情况if not args:  # 判断元组是否为空return 0total = 0for num in args:  # 遍历元组中的所有参数# 只累加数字类型，忽略非数字（可选逻辑）if isinstance(num, (int, float)):total += numelse:print(f"警告：{num}不是数字，已忽略")return total# 测试不同数量和类型的参数
print("求和结果：", custom_sum(1, 2, 3))  # 输出：6
print("求和结果：", custom_sum(10, 20, 30, 40))  # 输出：100
print("求和结果：", custom_sum(3.14, 2.71))  # 输出：5.85
print("求和结果：", custom_sum(5, "a", 3))  # 输出警告，结果：8
print("求和结果：", custom_sum())  # 输出：0

2. 案例解析

-*columns的作用：接收任意数量的列名（如'math'、'english'），若未传递则分析所有列，灵活支持不同的分析需求。

• 默认参数precision：默认保留2位小数，调用时可通过precision=1修改，兼顾默认行为和灵活性。
• **kwargs的作用：接收额外选项（如sort=True、filter_min=90），无需提前定义所有可能的选项，让函数易于扩展（后续可新增filter_max、group等选项，无需修改函数参数列表）。

运行结果展示了函数的灵活性：既能处理简单分析，也能支持复杂配置，充分体现了默认参数和可变参数的优势。

七、总结与提升

默认参数和可变参数（*args/**kwargs）是Python函数参数体系的重要扩展，它们让函数从“固定输入”走向“灵活适配”：

• 默认参数：为参数设置默认值，简化常规调用，语法def func(a, b=10)，注意必须放在非默认参数后，避免使用可变对象作为默认值。
• *args：收集任意个位置参数为元组，解决“参数数量不确定”问题，适合处理同类型可变输入或转发位置参数。
• **kwargs：收集任意个关键字参数为字典，适合处理动态属性或转发关键字参数，必须放在所有参数最后。

这些参数的核心价值在于提升函数的灵活性和复用性，尤其在封装函数、编写通用工具或处理动态数据时不可或缺。

进阶练习

1. 实现一个merge_dicts函数，接收任意个字典（*args），返回一个合并后的字典（后面的字典覆盖前面的同名键）。
2. 改进前面的custom_sum函数，支持关键字参数ignore_negative（默认False），当为True时忽略负数。
3. 编写一个装饰器validate_params，用于检查被装饰函数的参数是否符合指定规则（如age必须大于0），通过**kwargs接收规则配置。

通过这些练习，你将能更深入地理解这些参数的应用场景，让函数设计更贴近实际开发需求。记住：** 好的参数设计，能让函数既易用又强大**。