作者：豌豆花下猫
来源：Python猫
python有一项默认的做法，很多编程语言都没有——它的所有函数都会有一个返回值，不管你有没有写 return 语句。
本文出自“python为什么”系列，在正式开始之前，我们就用之前讨论过的 pass语句和 …对象 作为例子，看看python的函数是怎样“无中生有”的：
可以看出，我们定义的两个函数都没有写任何的 return 语句，但是在函数调用后，都能取到一个返回值。
它们的执行效果跟直接写 return 语句相比，是完全相同的：
这 4 个例子属于两种类型：一种没有写 return，但是都有隐藏的 return 返回值；一种写了 return，而且实际也有返回值。
也就是说，后者在语义和行为上表现一致，前者虽然在语义上缺失，但是却有实际的行为和结果；后者的行为是显性的，前者却是隐性的。
《Python之禅》中有一句“显性胜于隐性（Explicit is better than implicit）”，但是，出于简洁和便利的考虑（Simple is better than complex），实际上 Python 中有很多行为都是隐性的，会把一些在语法层面的事交给解释器去完成。
上一期的 真值判断 是隐性的行为，本文前两个例子也是如此。
使用dis查看字节码，就可以看到其背后的小动作：
在这个对比图中，可以看出上述 4 个函数的解释器指令一模一样！
不管有没有写 return，它们都会执行 return 的逻辑，而且默认的返回值就是 None。
那么，问题来了：Python 的函数为什么能默认返回 None 呢？它是如何实现的呢？
答案就在解释器中，当 CPython 解释器执行到函数的最后一个代码块时，若发现没有返回值，它就会主动地加上一个 Py_None 值返回（出自：compile.c）：
也就是说，如果定义的函数没有返回值，Python 解释器就会（强行地）默认给我们注入一段返回逻辑！
对于解释器的这种附赠的服务，大家是觉得很贴心，还是嫌弃它多事呢？这样的做法似乎没多少好处，但似乎也没有坏处？大家有什么疑问可以后台留言或评论哦！
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
2025-11-05CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材：CDA教材一级：商业数据分析（2025）__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM（Denoising Diffusion Probabilistic Models）训练过程中，开发者最常困惑的问题莫过于：“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
