写Python这几年我带过不少新人也看过无数段代码。如果说哪个知识点最容易被低估我一定会选return这个关键字。你可能会想return不就是把结果交出去吗有什么好讲的但恰恰是这最简单的机制决定了函数到底是真正的“代码零件”还是只能跑给自己看的“一次性脚本”。Python 函数返回值 (return)说白了就是函数与外部世界之间唯一的正规交付通道谁把它用明白了谁写出来的代码就能被复用、被组合、被调用像搭积木一样越搭越大。今天这篇我就围绕return从最基础的语法聊到闭包、装饰器、异常处理的边界再给一个完整的实战案例最后把新手踩得最多的几个坑列成一份速查表。不管你是刚接触Python的小白还是已经写了一阵子但总在返回值上犯迷糊的同学这篇应该都能帮你把“成果交付”这件事彻底理顺。1. 为什么需要 return函数也是要交作业的1.1 从“打印到屏幕”到“交付结果”刚开始学函数的时候很多人会写出这样一段代码def add(a, b): print(a b) add(3, 5)跑一下控制台确实输出了8看起来“好像没问题”。但当你真正想把这个函数拿去做事的时候立刻就会碰到麻烦。比如我想把add(3, 5)的结果再乘以2你会很自然地写result add(3, 5) * 2结果呢TypeError: unsupported operand type(s) for *: NoneType and int。因为add只负责在屏幕上打印了8它并没有把8这个值交出来函数最终的返回值是None。你拿一个None去乘2自然就炸了。这就是return存在的意义函数内部计算出的结果必须通过return显式地交出来调用方才能拿到手里的真实数据继续做后续处理。print只是给人看的return是给程序用的。一个负责交付一个负责展示两者不能混淆。1.2 返回值就是函数的“接口契约”站在设计角度看返回值是函数对外承诺的一部分。调用方不看函数内部实现只看函数名、参数和返回值就能放心地使用它。这就是经典的“黑盒”思想。举个例子你写了一个函数get_user_name(user_id)调用方期望它返回一个字符串哪怕是空字符串。如果某天你在某个分支里忘了写return它就会返回None调用方的程序可能在很后面的地方才崩溃而且报错信息极其难查。这就是“接口契约”被破坏的典型场景。所以return不只是一个语法它是函数与调用方之间的承诺我承诺交付某种类型的结果我就一定要交付。1.3 return 让函数变成真正的“零件”不知道你拼过乐高没有每个积木件都有一两个凸起和凹槽能稳定地和别的件咬合。函数也是同样的道理return就是那个凸起参数就是凹槽。有进有出、接口统一零件才能无限拼装。反过来如果一个函数从来不返回数据只靠打印输出或者修改外部变量来做事那它就变成了一个“胶水块”只能粘在固定的地方想换个位置复用就很难。你写工具函数、写业务逻辑、写算法想要真正提升代码复用率第一步就是学会用return把“结果”而不是“动作”交出来。2. 核心语法与基础用法:学会 return 的正确姿势2.1 最基本的形式:return 一个值最直观的写法就是在函数体内用return接着一个表达式。函数执行到这一行会先计算表达式的值然后把它作为函数的结果返回同时函数立即结束。def square(x): return x * x print(square(4)) # 16这段代码没啥好说的但有一个容易忽略的细节return后面可以是任意表达式不一定要先存到变量里。所以return x * x和下面这段是等价的def square(x): result x * x return result直接写表达式更简洁但如果在返回之前还想做一些校验、日志或调试那先存变量再返回更合适。两种都行关键是别写着写着忘了返回。还有一个很实用的习惯函数里最好只有一个清晰的出口或者反过来用多个提前return把特殊情况挡在前面的“卫语句”guard clause。这两种风格各有适用场景下面单独说。2.2 没有 return 和 return 后面不跟东西None 的真相Python 里有个特殊值叫None代表“什么都没有”。一个函数如果执行完了也没有returnPython会自动在函数末尾补一个隐藏的return None。所以下面三种写法效果完全一样def f1(): pass def f2(): return def f3(): return NoneNone的坑在于它不等于0不等于空字符串也不等于False虽然它在if判断里会被当成假值。很多千奇百怪的 bug都是因为函数某个分支忘了返回值最后拿到一个None然后在某个地方把None当成数字或字符串去用。所以当你发现自己写的一段代码“明明逻辑对但结果就是不对”的时候第一反应应该是是不是某个函数在某个分支没有返回应有的值在关键位置打印一下返回值排查会快很多。提示如果一个函数的职责就是“执行某个动作”而不是“计算某个结果”那返回None是完全正常的比如写文件、发送请求、打印日志。这类函数通常会起一个动词开头的名字比如send_email、save_to_file一看就知道它不是在返回数据。2.3 提前返回让代码更清晰的“卫语句”写法有些新手写防御性判断喜欢用一堆if...else...嵌套缩进越来越深看得人头晕。其实用提前return可以把“异常情况”和“正常逻辑”彻底分开。def parse_age(text): if not text: return None try: age int(text) except ValueError: return None if age 0 or age 150: return None return age这个函数里三个无效输入的情况都直接return None不会往下走。正常逻辑则一路通畅最后一个return输出结果。这样写函数结构是扁平的边界条件一目了然比嵌套七八层的if不知道清爽多少。这种写法的核心思路是前置检查不合格尽早离场别让脏数据污染后面的代码。我个人强烈建议你从现在起就养成这个习惯。3. 返回多个值Python 的元组打包与解包3.1 直接 return a, b神秘的自动打包在别的语言里一个函数想返回多个值通常得靠输出参数、结构体或者自定义类麻烦得很。Python 就很直接你只需要写return a, b它就会自动把多个值打包成一个元组返回出去。def get_user(): name 张三 age 25 return name, age result get_user() print(result) # (张三, 25) print(type(result)) # class tuple调用方有两种接收方式。一种是不管元组直接用一个变量接住需要某个值时按下标访问result[0]、result[1]但这样可读性一般。另一种更常见、更推荐的方式是用多个变量同时接收这叫“解包”name, age get_user() print(name) # 张三 print(age) # 25解包的写法非常优雅代码读起来就像函数真的返回了两个独立的值一样。而且只要元组的长度和变量的数量一致就不会有任何问题。3.2 什么时候该换用列表、字典或自定义数据类元组很轻便但它的缺点是字段没有名字读到result[0]的时候你根本不知道那是什么。一旦返回的字段超过三个或者字段含义比较复杂代码的可读性就会断崖式下降。这时候有几个更好的选择。用字典返回字段有名字灵活度高适合字段可增可减的场景def get_user(): return {name: 张三, age: 25, city: 上海}用具名元组NamedTuple既有元组的轻便又有字段名可以访问适合字段固定的轻量结构from typing import NamedTuple class User(NamedTuple): name: str age: int city: str def get_user(): return User(name张三, age25, city上海) user get_user() print(user.name) # 张三 print(user[0]) # 张三如果你的数据结构里还要包含方法或者字段比较多直接用dataclass定义数据类会更合适。核心原则就是返回的东西越“结构化”越要给每个字段起名字别让调用方猜你返回的第3个元素到底是什么。3.3 实际项目里最常用的组合手法我在真实项目里见得最多的是一种“主返回值 错误信息”的模式。比如一个函数可能成功返回数据也可能失败那就可以返回(result, error_message)def load_config(path): try: with open(path, r, encodingutf-8) as f: config json.load(f) return config, None except FileNotFoundError: return None, 配置文件不存在 except json.JSONDecodeError: return None, 配置文件不是合法 JSON config, err load_config(app.json) if err: print(加载失败:, err) else: print(加载成功:, config)这种写法在不能抛异常、或者你想把错误处理交给调用方决定的场景下特别有用。当然Python 更推崇的是“异常优先”的错误处理方式但返回(值, 错误信息)依然在不少工具类代码里有一席之地因为它足够直观。4. 返回值不只是数据返回函数与闭包4.1 函数也是对象return 后面可以跟函数很多知道return能返回数字、字符串、列表的人第一次看到return一个函数时都会愣一下。但 Python 里函数是“一等公民”函数本身也是一个对象可以像整数一样被传递、被赋值、当然也可以被返回。这个特性最经典的应用场景就是“工厂函数”——根据参数动态生成一个功能不一样的函数。def make_multiplier(n): def multiplier(x): return x * n return multiplier double make_multiplier(2) triple make_multiplier(3) print(double(5)) # 10 print(triple(5)) # 15这里make_multiplier接收一个数字n返回一个新的函数multiplier。double和triple就像是从工厂里生产出来的两个“倍数器”各自记住了一个固定的倍数之后调用的时候直接对输入乘上这个倍数。4.2 闭包返回的函数带上了“记忆”上面这个例子你已经见过闭包了。闭包简单说就是内层函数引用了外层函数里的变量即使外层函数已经执行完内层函数依然“记得”那个变量。n在make_multiplier结束后本应该消失但因为它被multiplier引用着所以它还在内存里成了这个函数独有的“私有状态”。再举一个更常见的计数器例子def create_counter(): count 0 def increment(): nonlocal count count 1 return count return increment counter create_counter() print(counter()) # 1 print(counter()) # 2 print(counter()) # 3注意这里用了nonlocal关键字因为内层函数要给外层变量重新赋值。闭包的本质就是“函数 它记住的环境”你能用它造出带私有状态的小工具又不会污染全局命名空间。4.3 装饰器的本质返回一个包装过的函数如果你用过staticmethod、property或者自己查过装饰器你会发现装饰器其实就是一个“接收函数、返回新函数”的高阶函数。它的骨架长这样import functools def log_call(func): functools.wraps(func) def wrapper(*args, **kwargs): print(f调用 {func.__name__}参数: {args}, {kwargs}) result func(*args, **kwargs) print(f{func.__name__} 返回: {result}) return result return wrapper log_call def add(a, b): return a b print(add(2, 3))执行顺序是log_call(add)会返回新的wrapper函数之后你调用的add其实已经是包装后的wrapper了。wrapper内部先打印调用记录再真正执行原来的add拿到它的返回值后打印最后再把这个返回值原封不动地return出去。这里有一个极其重要的细节你必须在wrapper里把func(*args, **kwargs)的结果return出去。如果你漏了这一步那么被装饰函数的一切返回值都会变成None。这是新手写装饰器最容易踩的坑没有之一。5. 异常处理与返回值的边界5.1 try/except/finally 中 return 的执行顺序函数里一旦出现异常处理和return同时存在很多人就会开始懵。先看一个最简单的例子def func(): try: return 成功 except Exception: return 失败 finally: print(清理资源)这个函数执行后返回什么答案是成功同时打印清理资源。流程是这样的先执行try里的return 成功但函数不会立刻退出而是先执行finally块等finally跑完再带着成功退出。这就是finally的语义不管函数是正常返回还是异常返回它负责的清理工作都必须完成。如果是这样呢def func(): try: return 成功 finally: return finally覆盖了这次返回的是finally覆盖了。因为finally里的return会直接覆盖掉try里还没执行的return。这个行为在不少语言里都会被当作“反模式”因为它会让代码的意图变得特别拧巴读代码的人根本猜不到函数到底想返回什么。5.2 return None 与抛出异常到底该怎么选这是我在实际代码评审里反复被问到的问题函数出错时是return None还是直接raise我的经验是看调用方能不能“无脑继续”。如果失败是一种常规流程调用方拿到None之后需要走分支处理那用return None更合适。比如查一个用户是否存在查不到就return None调用方判断一下就行没必要为这种“查无此人”的情况抛个异常。如果失败是一种异常状况甚至调用方根本不该继续执行下去那就直接抛异常。比如数据库连接断了、配置文件格式错了、除数为零这种情况你再返回None调用方很容易忽略导致后续操作在数据错误的前提下继续运行最后在非常远的地方炸掉反而更难排查。def divide(a, b): if b 0: raise ValueError(除数不能为 0) return a / b这里抛异常而不是return None是因为除以零属于真正的程序逻辑错误不应该被默默吞掉。错误越早暴露修复成本越低。5.3 异常分支里的 return保证每一路径都有返回值还有一种让人头疼的情况函数有多个分支每个分支都可能出错你必须保证无论走哪条路函数都有明确的返回值。看下面这段有问题的代码def parse_value(text): if text.isdigit(): return int(text) elif text.startswith(0x): return int(text, 16) # 如果两个条件都不满足这里会隐式返回 None这段代码的问题在于如果text既不是纯数字也不以0x开头函数会走到最后隐式返回None。如果调用方默认它会返回整数很容易踩坑。正确的做法是给所有边界情况一个明确的return或者直接抛异常def parse_value(text): if text.isdigit(): return int(text) if text.startswith(0x): return int(text, 16) raise ValueError(f无法解析: {text!r})这样函数只有两条正常返回路径其他情况直接抛异常接口契约就清晰得多。6. 实操过程与核心环节实现从零写一个统计工具包6.1 需求拆解三个函数怎么靠 return 串联光讲语法容易飘我来带你把一个完整的小工具写完。假设你现在拿到一批销售数据每一行是字符串形式的数字有些行是脏数据你需要写一个工具函数读入原始行清理后算平均值、最大值和最小值最后生成一段可读的报告。这个需求天然适合拆成三个函数而且必须靠return一个接一个地把数据传递下去load_data(raw_rows)原始字符串列表 → 合法数值列表。compute_stats(numbers)数值列表 → 统计字典。build_report(stats)统计字典 → 可读报告字符串。这么拆的好处是每个函数只负责一件事任何一个环节都可以单独测试、单独复用。比如将来不改统计逻辑只改展示格式那只需要动build_report其他函数一个都不用动。6.2 第一步先实现最基础的版本def load_data(raw_rows): parsed [] for raw in raw_rows: try: parsed.append(float(raw)) except ValueError: continue return parsed def compute_stats(numbers): if not numbers: return None total sum(numbers) n len(numbers) return { n: n, mean: total / n, max: max(numbers), min: min(numbers), } def build_report(stats): if stats is None: return 暂无有效数据 return ( f共 {stats[n]} 条有效数据 f平均 {stats[mean]:.2f} f最大 {stats[max]} f最小 {stats[min]} )写完后马上测一下raw_rows [10, 20, abc, 30, , 40] numbers load_data(raw_rows) stats compute_stats(numbers) report build_report(stats) print(numbers) # [10.0, 20.0, 30.0, 40.0] print(stats) # {n: 4, mean: 25.0, max: 40.0, min: 10.0} print(report) # 共 4 条有效数据平均 25.00最大 40.0最小 10.0注意看load_data返回的是listcompute_stats返回的是dict如果没数据则返回Nonebuild_report始终返回str。每个函数的输入输出都清楚地写在类型和返回值里调用方可以根据上一步的结果决定做什么。6.3 第二步加入参数校验让接口更健壮上面的版本能跑但如果调用方不小心传入None或非列表数据for raw in raw_rows就会直接抛异常。一个合格的工具函数应该对非法输入有明确的行为。我通常会做一层防御def load_data(raw_rows): if not isinstance(raw_rows, (list, tuple)): raise TypeError(raw_rows 必须是列表或元组) parsed [] for raw in raw_rows: try: value float(raw) except (TypeError, ValueError): continue parsed.append(value) return parsed这里我选择了让非法类型直接抛TypeError因为传错类型属于程序员的调用失误应该尽早暴露。而具体数据行里的脏字符串是业务数据问题用continue跳过更合理。这就是上面讲的“异常 vs 返回”的取舍原则调用方传错类型→抛异常数据本身不符合格式→默默过滤。同样地compute_stats里对空列表的处理我选择了return None而不是抛异常因为“没有有效数据”完全是有可能发生的正常业务场景报告函数可以针对None输出“暂无有效数据”。6.4 第三步用 return 把整条流水线接起来最后我在主流程里把它们串起来你会看到整个程序像一条流水线一样每个环节只靠return传递数据彼此之间完全解耦def main(): raw_data [12.5, abc, 8, invalid, 23.75, None, 30] cleaned load_data(raw_data) stats compute_stats(cleaned) print(build_report(stats)) if __name__ __main__: main()输出共 4 条有效数据平均 18.56最大 30.0最小 8.0如果你以后想扩展功能比如加一个中位数只需要在compute_stats里加一个键值对报告函数里加一行展示其他部分完全不用动。这就是return搭配合理函数拆分带来的工程红利。7. 典型错误与排查经验return 相关的常见坑7.1 忘了写 return函数静默返回 None这个坑前面反复出现过但因为它实在太高频我还是要单独拎出来。症状是逻辑明明没问题调试时候打印也正常但把函数返回值赋给变量后一用就报错。排查方法特别简单在调用函数后打印返回值如果看到None基本就是某个分支漏了return。还有一种更隐蔽的情况函数内部修改了可变对象比如列表你以为是在“返回结果”其实是在原地改数据最后忘了把结果return出来。这种问题读代码的时候要特别留意。7.2 在循环里用 return它只会执行一次有些刚学生成器的同学会误以为return在循环里可以像“收起一个值”一样被反复调用。实际上return一旦执行函数就立刻结束循环也直接终止。def get_even(numbers): for n in numbers: if n % 2 0: return n # 只返回第一个偶数这个函数只会返回第一个偶数。如果你想收集所有偶数应该把结果放进列表再统一返回或者用yield改成生成器。一句话对比return交付一个最终成果yield逐个交付半成品二者语义完全不同。7.3 装饰器里漏了 return所有返回值都被吞这可能是团队开发里最经典的坑。写装饰器的时候内部wrapper的确调用了原函数但如果忘记把原函数的返回值return出去被装饰的函数就会变成“只做动作不交结果”。def bad_log(func): def wrapper(*args, **kwargs): print(开始调用) func(*args, **kwargs) # 这里忘了 return return wrapper bad_log def add(a, b): return a b print(add(1, 2)) # None排查办法很简单检查wrapper里有没有return func(*args, **kwargs)或result func(...); return result。装饰器是对return语义要求最严格的地方之一漏一点就会让整个函数的返回链断裂。7.4 常见问题速查表错误场景典型表现排查思路漏写return函数返回None打印返回值检查函数所有分支是否有returnfinally里写return返回值被意外覆盖避免在finally中写return装饰器漏返回内层结果被装饰函数全部返回None检查wrapper里是否有return func(...)循环里用return只得到第一个结果需要多个结果时用收集列表或改yield多个返回值的变量数量对不上ValueError: too many values to unpack数清返回值数量或用*args接收剩余项返回None后继续做运算TypeError: unsupported operand调用前增加if x is not None判断返回可变对象后被外部篡改数据莫名其妙变了返回副本list(...)或.copy()7.5 一个小而美的提醒返回可变对象时记得考虑“防篡改”最后一个经验也是很多正式项目会注意的细节。如果函数内部维护了一个列表或字典直接return出去其实等于把内部数据的“钥匙”交给了外部。外部代码如果直接append或修改了返回的列表函数内部持有的一份数据也会跟着变这常常成为难以追踪的 bug。解决方案很简单返回副本而不是原对象。def get_items(self): return self._items.copy()除非是有意暴露内部状态否则让返回值和内部状态切割开会让代码更安全。8. 请在函数设计时多问一句“我到底要交付什么”写到这里return的语法、语义、陷阱、实战基本上都覆盖了。我个人的体会是return真的不需要背但需要在设计函数时多想一步。每次写一个函数先问自己一句这个函数对外交付的“成果”是什么是一个数值、一组数据、一个对象还是根本不需要交付成果只要执行动作这个问题想清楚了return怎么写几乎就是水到渠成的事。还有一个小建议写给已经开始写业务代码的同学尽量让函数的返回值类型稳定。要么返回字符串就永远返回字符串要么返回None就明确告诉调用方“这里可能是 None”。类型稳定调用方心里才有底接口才容易被组合。之所以说return是“成果交付术”是因为任何一个复杂的系统本质上都是一堆函数把计算结果挨个交付给下一环拼接成最终成品。掌握好return你就掌握了代码世界里最基础也最重要的一件流通工具。