理解Python中的延迟绑定


直接看下面例子

[Python] 纯文本查看 复制代码

my_ld = [lambda x:x*i for i in range(3)]
my_list = [ld(2) for ld in my_ld]
print(my_list)

本想是想通过以上代码，输出[0, 2, 4]的，但结果却是[4,  4, 4]
      下面说下本人对这个结果的理解：
因为Python解释器，遇到lambda（或者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，才会执行函数内部的代码（x*i）。所以匿名函数中的i并不是立即引用后面循环中的i值的，而是在调用嵌套函数的时候，才会查找i的值，这个特性也就是延迟绑定。
而 for i in range(3) 是另外一个表达式，Python解释器解释到就会直接执行，代码执行到ld(2)时，循环已经结束了，此时的i指向2 ，my_ld为包含了三个匿名函数对象的列表，所以打印my_list的结果是[4,  4, 4]。

如果我们要输出[0, 2, 4]， 可以给lambda表达式多加一个缺省参数a=i，代码如下：

[Python] 纯文本查看 复制代码

my_ld = [lambda x, a=i:x*a for i in range(3)]
my_list = [ld(2) for ld in my_ld]
print(my_list)

       Python函数中的缺省参数，是在Python解释器遇到lambda a=i （或者def(a=i)）时，就必须初始化默认值，此时 每循环一次，缺省参数a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。所以当代码执行到ld(2)时，每个匿名函数中a的默认值都不一样。
       以上就是本人对Python中的延迟绑定的理解

理解Python中的延迟绑定


直接看下面例子

[Python] 纯文本查看 复制代码

my_ld = [lambda x:x*i for i in range(3)]
my_list = [ld(2) for ld in my_ld]
print(my_list)

本想是想通过以上代码，输出[0, 2, 4]的，但结果却是[4,  4, 4]
      下面说下本人对这个结果的理解：
因为Python解释器，遇到lambda（或者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，才会执行函数内部的代码（x*i）。所以匿名函数中的i并不是立即引用后面循环中的i值的，而是在调用嵌套函数的时候，才会查找i的值，这个特性也就是延迟绑定。
而 for i in range(3) 是另外一个表达式，Python解释器解释到就会直接执行，代码执行到ld(2)时，循环已经结束了，此时的i指向2 ，my_ld为包含了三个匿名函数对象的列表，所以打印my_list的结果是[4,  4, 4]。

如果我们要输出[0, 2, 4]， 可以给lambda表达式多加一个缺省参数a=i，代码如下：

[Python] 纯文本查看 复制代码

my_ld = [lambda x, a=i:x*a for i in range(3)]
my_list = [ld(2) for ld in my_ld]
print(my_list)

       Python函数中的缺省参数，是在Python解释器遇到lambda a=i （或者def(a=i)）时，就必须初始化默认值，此时 每循环一次，缺省参数a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。所以当代码执行到ld(2)时，每个匿名函数中a的默认值都不一样。
       以上就是本人对Python中的延迟绑定的理解