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
在企业数字化转型过程中，业务模型与数据模型是两大核心支撑体系：业务模型承载“业务应该如何运转”的逻辑，数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代，“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言，用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA（Certified Data Analyst）数据分析师的日常工作中，“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代，用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业，提前精准预测潜在流失用户， ...
2026-01-09在量化投资领域，多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子（如估值、成长、盈利、流 ...
2026-01-09在CDA（Certified Data Analyst）数据分析师的工作场景中，分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据，是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下，数据已成为驱动业务增长的核心引擎。电商公司的数据分析师，不仅是数据的“解读官”，更是业务的 ...
2026-01-08在数据驱动决策的链路中，统计制图是CDA（Certified Data Analyst）数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析（PCA）的学习与实践中，“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中，成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中，数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA（Certified Data Analyst）作为具备专 ...
2026-01-07在数据处理与可视化场景中，将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色，能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中，指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升，还是产品故障率的异常 ...
2026-01-06在数据驱动的建模与分析场景中，“数据决定上限，特征决定下限”已成为行业共识。原始数据经过采集、清洗后，往往难以直接支撑模 ...
2026-01-06在Python文件操作场景中，批量处理文件、遍历目录树是高频需求——无论是统计某文件夹下的文件数量、筛选特定类型文件，还是批量 ...
2026-01-05在神经网络模型训练过程中，开发者最担心的问题之一，莫过于“训练误差突然增大”——前几轮还平稳下降的损失值（Loss），突然在 ...
2026-01-05在数据驱动的业务场景中，“垃圾数据进，垃圾结果出”是永恒的警示。企业收集的数据往往存在缺失、异常、重复、格式混乱等问题， ...
2026-01-05在数字化时代，用户行为数据已成为企业的核心资产之一。从用户打开APP的首次点击，到浏览页面的停留时长，再到最终的购买决策、 ...
2026-01-04在数据分析领域，数据稳定性是衡量数据质量的核心维度之一，直接决定了分析结果的可靠性与决策价值。稳定的数据能反映事物的固有 ...
2026-01-04
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
