Python函数——闭包延迟绑定

前言

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]

"""

解答

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]

"""

解答

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。

巴特西

Python函数——闭包延迟绑定

前言

解答

改进

解答

最新文章

热门文章