Funktionen in Python
In der Programmierung nutzt du Funktionen, um Anweisungen zu bündeln, die du mehrfach brauchst oder die aufgrund ihrer Komplexität besser gekapselt in einem Unterprogramm liegen und bei Bedarf aufgerufen werden. Eine Funktion ist also ein Stück Code, das eine bestimmte Aufgabe ausführt. Dafür kann sie Eingaben benötigen oder nicht. Nach Ausführung kann sie einen oder mehrere Werte zurückgeben – oder eben nichts.
Es gibt drei Arten von Funktionen in Python:
-
Built-in-Funktionen wie
help()für Hilfe,min()für den Minimalwert,print()für die Ausgabe im Terminal … Eine Übersicht mit weiteren Funktionen findest du hier. -
User-Defined Functions (UDFs), also selbst erstellte Funktionen; und
-
Anonyme Funktionen, auch Lambda-Funktionen genannt, da sie nicht mit dem üblichen Schlüsselwort
defdeklariert werden.
Funktionen vs. Methoden
Eine Methode ist eine Funktion, die Teil einer Klasse ist. Du rufst sie über eine Instanz bzw. ein Objekt dieser Klasse auf. Eine Funktion hat diese Einschränkung nicht: Sie steht für sich allein. Das bedeutet: Alle Methoden sind Funktionen, aber nicht alle Funktionen sind Methoden.
Sieh dir dieses Beispiel an: Zuerst definierst du eine Funktion plus() und dann eine Klasse Summation mit einer Methode sum():
# Define a function `plus()`
def plus(a,b):
return a + b
# Create a `Summation` class
class Summation(object):
def sum(self, a, b):
self.contents = a + b
return self.contents Wenn du nun die Methode sum() der Klasse Summation aufrufen willst, musst du zuerst eine Instanz bzw. ein Objekt dieser Klasse anlegen. Definieren wir also ein solches Objekt:
# Instantiate `Summation` class to call `sum()`
sumInstance = Summation()
sumInstance.sum(1,2)Denk daran: Für den Aufruf der Funktion plus() ist diese Instanziierung nicht nötig! Du kannst im DataCamp-Light-Codeblock problemlos plus(1,2) ausführen!
Parameter vs. Argumente
Parameter sind die Namen in der Funktions- oder Methodendefinition, denen beim Aufruf Argumente zugeordnet werden. Kurz: Argumente sind die übergebenen Werte; im Funktions- bzw. Methodencode verweist du über die Parameternamen auf diese Argumente.
Sieh dir das folgende Beispiel an und vergleiche mit dem DataCamp-Light-Block oben: Du übergibst zwei Argumente an die Methode sum() der Klasse Summation, obwohl du zuvor drei Parameter definiert hast: self, a und b.
Was ist mit self passiert?
Das erste Argument jeder Klassenmethode ist immer eine Referenz auf die aktuelle Instanz der Klasse, hier also Summation. Konventionell heißt dieses Argument self.
Das bedeutet: Du übergibst self nicht explizit, da self der Parametername für ein implizit übergebenes Argument ist, das auf die Instanz verweist, über die die Methode aufgerufen wird. Es wird automatisch in die Argumentliste eingefügt.
So definierst du eine Funktion: User-Defined Functions (UDFs)
Die vier Schritte zum Definieren einer Funktion in Python sind:
-
Verwende das Schlüsselwort
defund gib anschließend den Funktionsnamen an. -
Füge Parameter hinzu: Sie stehen in runden Klammern hinter dem Funktionsnamen. Beende die Zeile mit einem Doppelpunkt.
Funktionen sind ein zentraler Bestandteil der Programmiersprache Python: Du bist sicher schon auf viele der großartigen Funktionen gestoßen, die in Python eingebaut sind oder über das umfangreiche Bibliotheks-Ökosystem dazukommen. Als Data Scientist wirst du jedoch ständig deine eigenen Funktionen schreiben müssen, um Probleme zu lösen, die dir deine Daten stellen.
Dieses Tutorial verwendet Syntax für Python 3. Alle Beispiele funktionieren mit Python 3.10+ und wurden an moderne Konventionen angepasst (f-Strings, Type Hints, ausschließlich positions- und ausschließlich schlüsselwortbasierte Parameter). Die aktuelle stabile Version ist Python 3.14.
Damit du den Beispielcode aus diesem Tutorial selbst ausführen kannst, kannst du dir kostenlos ein DataLab-Workbook erstellen. Python ist dort vorinstalliert und alle Codebeispiele sind enthalten. Für noch mehr Übung im Schreiben von Python-Funktionen wirf einen Blick auf dieses interaktive DataCamp-Exercise oder probiere unseren Kurs Python Data Science Toolbox aus!