Python函数中闭包和延迟绑定详情

 更新时间:2022年05月20日 09:48:56   作者:Python热爱者  
这篇文章主要介绍了Python函数中闭包和延迟绑定详情,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下

闭包必须满足以下3个条件:

  • 必须有一个内嵌函数
  • 内嵌函数必须应用外部函数的变量
  • 外部函数的返回值必须是内嵌函数

关于请看下面代码:

def multipliers():
return [lambda x : i*x for i in range(4)]
print ([m(2) for m in multipliers()] )
"""
[6, 6, 6, 6]
"""

为什么输出结果为[6, 6, 6, 6],这段代码相当于

def multipliers():
funcs = []
for i in range(4):
def bar(x):
return x*i
funcs.append(bar)
return funcs
print ([m(2) for m in multipliers()] )
"""
[6, 6, 6, 6]
"""

运行代码,解释器碰到了一个列表解析,循环取multipliers()函数中的值,而multipliers()函数返回的是一个列表对象,这个列表中有4个元素,

每个元素都是一个匿名函数(实际上说是4个匿名函数也不完全准确,其实是4个匿名函数计算后的值,因为后面for i 的循环不光循环了4次,

同时提还提供了i的变量引用,等待4次循环结束后,i指向一个值i=3,这个时候,匿名函数才开始引用i=3,计算结果。所以就会出现[6,6,6,6],

因为匿名函数中的i并不是立即引用后面循环中的i值的,而是在运行嵌套函数的时候,才会查找i的值,这个特性也就是延迟绑定)

# 为了便于理解,你可以想象下multipliers内部是这样的(这个是伪代码,并不是准确的):
def multipliers():
return [lambda x: 3 * x, lambda x: 3 * x, lambda x: 3 * x, lambda x: 3 * x]

因为Python解释器,遇到lambda(类似于def),只是定义了一个匿名函数对象,并保存在内存中,只有等到调用这个匿名函数的时候,

才会运行内部的表达式,而for i in range(4) 是另外一个表达式,需等待这个表达式运行结束后,才会开始运行lambda 函数,此时的i 指向3,x指向2

改进

def multipliers():
# 添加了一个默认参数i=i
return [lambda x, i=i: i*x for i in range(4)]
print ([m(2) for m in multipliers()] )
"""
[0, 2, 4, 6]
"""

相当于:

def multipliers():
funcs = []
for i in range(4):
def bar(x, i=i):
return x * i
funcs.append(bar)
return funcs
print ([m(2) for m in multipliers()] )
"""
[0, 2, 4, 6]
"""

添加了一个i=i后,就给匿名函数,添加了一个默认参数,而python函数中的默认参数,

是在python 解释器遇到def(i=i)或lambda 关键字时,就必须初始化默认参数,

此时for i in range(4),每循环一次,匿名函数的默认参数i,就需要找一次i的引用,

i=0时,第一个匿名函数的默认参数值就是0,i=1时,第二个匿名函数的默认参数值就是1,以此类推

# 为了便于理解,你可以想象下multipliers内部是这样的(这个是伪代码只是为了理解):
def multipliers():
return [lambda x,i=0: i*x, lambda x,i=1: i*x, lambda x,i=2: i*x, lambda x,i=3:i*x i=3]
# x的引用是2 所以output的结果就是:[0,2,4,6]

当然你的i=i,也可以改成a=i。

def multipliers():
# 添加了一个默认参数a=i
return [lambda x, a=i: x*a for i in range(4)]
print ([m(2) for m in multipliers()] )
"""
[0, 2, 4, 6]
"""

Python的延迟绑定其实就是只有当运行嵌套函数的时候,才会引用外部变量i,不运行的时候,并不是会去找i的值,这个就是第一个函数,为什么输出的结果是[6,6,6,6]的原因。

到此这篇关于Python函数中闭包和延迟绑定详情的文章就介绍到这了,更多相关Python 延迟绑定内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python+openCV利用摄像头实现人员活动检测

    python+openCV利用摄像头实现人员活动检测

    这篇文章主要为大家详细介绍了python+openCV利用摄像头实现人员活动检测,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-06-06
  • python 字典(dict)遍历的四种方法性能测试报告

    python 字典(dict)遍历的四种方法性能测试报告

    本文主要是针对Python的字典dict遍历的4种方法进行了性能测试,以便分析得出效率最高的一种方法
    2014-06-06
  • Python爬取城市租房信息实战分享

    Python爬取城市租房信息实战分享

    这篇文章主要介绍了Python爬取城市房租房信息实战分享,先单线程爬虫,测试可以成功爬取之后再优化为多线程,最后存入数据库,需要的小伙伴可以参考一下的相关资料
    2022-04-04
  • 基于Python实现文本文件转Excel

    基于Python实现文本文件转Excel

    Excel文件是我们常用的一种文件,在工作中使用非常频繁。Excel中有许多强大工具,因此用Excel来处理文件会给我们带来很多便捷。本文就来和大家分享一下Python实现文本文件转Excel的方法,感兴趣的可以了解一下
    2022-08-08
  • Python解析xml中dom元素的方法

    Python解析xml中dom元素的方法

    这篇文章主要介绍了Python解析xml中dom元素的方法,实例分析了Python操作XML中元素的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-03-03
  • 简介Python的collections模块中defaultdict类型的用法

    简介Python的collections模块中defaultdict类型的用法

    这里我们来简介Python的collections模块中defaultdict类型的用法,与内置的字典类最大的不同在于初始化上,一起来看一下:
    2016-07-07
  • 利用Python实现去重聚合Excel数据并对比两份数据的差异

    利用Python实现去重聚合Excel数据并对比两份数据的差异

    在数据处理过程中,常常需要将多个数据表进行合并,并进行比对,以便找出数据的差异和共同之处,本文将介绍如何使用 Pandas 库对两个 Excel 数据表进行合并与比对,需要的可以参考下
    2023-11-11
  • 基于Tensorflow一维卷积用法详解

    基于Tensorflow一维卷积用法详解

    这篇文章主要介绍了基于Tensorflow一维卷积用法详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • Python使用CuPy模块实现高效数值计算

    Python使用CuPy模块实现高效数值计算

    CuPy是一个基于Python的GPU加速计算库,它提供了与NumPy相似的接口,可以在GPU上进行高效的数值计算,本文主要介绍一下CuPy的应用场景,并给出一些Python代码案例,需要的可以参考下
    2024-02-02
  • Python利用Faiss库实现ANN近邻搜索的方法详解

    Python利用Faiss库实现ANN近邻搜索的方法详解

    这篇文章主要介绍了Python利用Faiss库实现ANN近邻搜索的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧
    2020-08-08

最新评论