Python函數(shù)中閉包和延遲綁定詳情
閉包必須滿足以下3個(gè)條件:
- 必須有一個(gè)內(nèi)嵌函數(shù)
- 內(nèi)嵌函數(shù)必須應(yīng)用外部函數(shù)的變量
- 外部函數(shù)的返回值必須是內(nèi)嵌函數(shù)
關(guān)于請(qǐng)看下面代碼:
def multipliers(): return [lambda x : i*x for i in range(4)] print ([m(2) for m in multipliers()] ) """ [6, 6, 6, 6] """
為什么輸出結(jié)果為[6, 6, 6, 6],這段代碼相當(dāng)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] """
運(yùn)行代碼,解釋器碰到了一個(gè)列表解析,循環(huán)取multipliers()函數(shù)中的值,而multipliers()函數(shù)返回的是一個(gè)列表對(duì)象,這個(gè)列表中有4個(gè)元素,
每個(gè)元素都是一個(gè)匿名函數(shù)(實(shí)際上說(shuō)是4個(gè)匿名函數(shù)也不完全準(zhǔn)確,其實(shí)是4個(gè)匿名函數(shù)計(jì)算后的值,因?yàn)楹竺鎓or i 的循環(huán)不光循環(huán)了4次,
同時(shí)提還提供了i的變量引用,等待4次循環(huán)結(jié)束后,i指向一個(gè)值i=3,這個(gè)時(shí)候,匿名函數(shù)才開(kāi)始引用i=3,計(jì)算結(jié)果。所以就會(huì)出現(xiàn)[6,6,6,6],
因?yàn)槟涿瘮?shù)中的i并不是立即引用后面循環(huán)中的i值的,而是在運(yùn)行嵌套函數(shù)的時(shí)候,才會(huì)查找i的值,這個(gè)特性也就是延遲綁定)
# 為了便于理解,你可以想象下multipliers內(nèi)部是這樣的(這個(gè)是偽代碼,并不是準(zhǔn)確的): def multipliers(): return [lambda x: 3 * x, lambda x: 3 * x, lambda x: 3 * x, lambda x: 3 * x]
因?yàn)镻ython解釋器,遇到lambda(類似于def),只是定義了一個(gè)匿名函數(shù)對(duì)象,并保存在內(nèi)存中,只有等到調(diào)用這個(gè)匿名函數(shù)的時(shí)候,
才會(huì)運(yùn)行內(nèi)部的表達(dá)式,而for i in range(4) 是另外一個(gè)表達(dá)式,需等待這個(gè)表達(dá)式運(yùn)行結(jié)束后,才會(huì)開(kāi)始運(yùn)行l(wèi)ambda 函數(shù),此時(shí)的i 指向3,x指向2
改進(jìn)
def multipliers(): # 添加了一個(gè)默認(rèn)參數(shù)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] """
相當(dāng)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] """
添加了一個(gè)i=i后,就給匿名函數(shù),添加了一個(gè)默認(rèn)參數(shù),而python函數(shù)中的默認(rèn)參數(shù),
是在python 解釋器遇到def(i=i)或lambda 關(guān)鍵字時(shí),就必須初始化默認(rèn)參數(shù),
此時(shí)for i in range(4),每循環(huán)一次,匿名函數(shù)的默認(rèn)參數(shù)i,就需要找一次i的引用,
i=0時(shí),第一個(gè)匿名函數(shù)的默認(rèn)參數(shù)值就是0,i=1時(shí),第二個(gè)匿名函數(shù)的默認(rèn)參數(shù)值就是1,以此類推
# 為了便于理解,你可以想象下multipliers內(nèi)部是這樣的(這個(gè)是偽代碼只是為了理解): 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的結(jié)果就是:[0,2,4,6]
當(dāng)然你的i=i,也可以改成a=i。
def multipliers(): # 添加了一個(gè)默認(rèn)參數(shù)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的延遲綁定其實(shí)就是只有當(dāng)運(yùn)行嵌套函數(shù)的時(shí)候,才會(huì)引用外部變量i,不運(yùn)行的時(shí)候,并不是會(huì)去找i的值,這個(gè)就是第一個(gè)函數(shù),為什么輸出的結(jié)果是[6,6,6,6]的原因。
到此這篇關(guān)于Python函數(shù)中閉包和延遲綁定詳情的文章就介紹到這了,更多相關(guān)Python 延遲綁定內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python+openCV利用攝像頭實(shí)現(xiàn)人員活動(dòng)檢測(cè)
這篇文章主要為大家詳細(xì)介紹了python+openCV利用攝像頭實(shí)現(xiàn)人員活動(dòng)檢測(cè),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-06-06
python 字典(dict)遍歷的四種方法性能測(cè)試報(bào)告
本文主要是針對(duì)Python的字典dict遍歷的4種方法進(jìn)行了性能測(cè)試,以便分析得出效率最高的一種方法2014-06-06
基于Python實(shí)現(xiàn)文本文件轉(zhuǎn)Excel
Excel文件是我們常用的一種文件,在工作中使用非常頻繁。Excel中有許多強(qiáng)大工具,因此用Excel來(lái)處理文件會(huì)給我們帶來(lái)很多便捷。本文就來(lái)和大家分享一下Python實(shí)現(xiàn)文本文件轉(zhuǎn)Excel的方法,感興趣的可以了解一下2022-08-08
簡(jiǎn)介Python的collections模塊中defaultdict類型的用法
這里我們來(lái)簡(jiǎn)介Python的collections模塊中defaultdict類型的用法,與內(nèi)置的字典類最大的不同在于初始化上,一起來(lái)看一下:2016-07-07
利用Python實(shí)現(xiàn)去重聚合Excel數(shù)據(jù)并對(duì)比兩份數(shù)據(jù)的差異
在數(shù)據(jù)處理過(guò)程中,常常需要將多個(gè)數(shù)據(jù)表進(jìn)行合并,并進(jìn)行比對(duì),以便找出數(shù)據(jù)的差異和共同之處,本文將介紹如何使用 Pandas 庫(kù)對(duì)兩個(gè) Excel 數(shù)據(jù)表進(jìn)行合并與比對(duì),需要的可以參考下2023-11-11
Python使用CuPy模塊實(shí)現(xiàn)高效數(shù)值計(jì)算
CuPy是一個(gè)基于Python的GPU加速計(jì)算庫(kù),它提供了與NumPy相似的接口,可以在GPU上進(jìn)行高效的數(shù)值計(jì)算,本文主要介紹一下CuPy的應(yīng)用場(chǎng)景,并給出一些Python代碼案例,需要的可以參考下2024-02-02
Python利用Faiss庫(kù)實(shí)現(xiàn)ANN近鄰搜索的方法詳解
這篇文章主要介紹了Python利用Faiss庫(kù)實(shí)現(xiàn)ANN近鄰搜索的方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08

