Python中lambda函数如何引用其参数？

Question

我刚开始学Python，任务其实很简单——我需要一个可以批量处理的函数列表。所以我试着做了一些例子，比如：

fs = [lambda x: x + i for i in xrange(10)]

结果让我很惊讶，当我调用

[f(0) for f in fs]

时，得到了像[9, 9, 9, 9, 9, 9, 9, 9, 9, 9]这样的结果。这不是我预期的，因为我希望变量i在不同的函数中有不同的值。

所以我想问：

1. 变量i是全局的还是局部的？

2. Python有没有像JavaScript中的“闭包”这样的概念？我的意思是，这里的每个lambda是否都持有对i变量的引用，还是它们只是各自持有i的值的副本？

3. 如果我想要输出是[0, 1, .....9]，我该怎么做？

Answer 1

1. 变量 i 是在列表推导式里面的局部变量，但它可以被 lambda 使用，因为 lambda 在它的作用范围内。
2. 没错，lambda 是闭包。变量的绑定有时候可能不会像你想的那样工作，但它们确实是闭包。不过，你不应该过于依赖它们。
3. 你只需要遍历 xrange(10)。你可以用 lambda 来实现这个（可以看看其他的回答），但其实不太推荐这样做。lambda 应该尽量少用。

lambda 之所以这样表现，是因为在每次循环中，i 都会被重新绑定。由于 i 不是 lambda 的局部变量，它也会改变，最后的值是 9。所以你实际上做的就是 0 + 9 这个操作重复了 10 次。

Answer 2

你遇到的问题是“早绑定”和“晚绑定”之间的区别。

当Python从外部范围查找一个变量（在这个例子中是i）时，它使用的是晚绑定。这意味着它在调用函数的时候查看那个变量的值，而不是在定义函数的时候查看。

所以，在你的示例代码中，所有10个lambda函数都看到循环过程中i变量最终被赋值为9。

Greg的回答展示了一种强制早绑定的方法（也就是创建一个额外的闭包，并在循环内部立即调用它）。

另一种常用的强制早绑定的方法是“默认参数技巧”，它在函数定义时将变量绑定为默认参数：

>>> fs = [(lambda x, _i=i: x + _i) for i in xrange(10)]
>>> [f(0) for f in fs]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

这两种方法都可以。Greg的方法的好处是不会影响返回函数的签名，而默认参数技巧更快，并且比在定义命名函数时添加额外的闭包层要更易读，尤其是当你使用lambda表达式时。

Answer 3

看起来有点复杂，但你可以通过下面的方式来实现你想要的效果：

>>> fs = [(lambda y: lambda x: x + y)(i) for i in xrange(10)]
>>> [f(0) for f in fs]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

通常，Python 支持类似于你在 JavaScript 中见过的“闭包”概念。不过，在这个特定的情况下，当你在列表推导式中使用 lambda 表达式时，似乎 i 只被绑定了一次，并且依次取每个值，这导致每个返回的函数都像是 i 的值是 9。上面的技巧明确地将 i 的每个值传递给一个 lambda 函数，这个 lambda 函数又返回另一个 lambda 函数，并使用捕获到的 y 的值。