Python 闭包延迟绑定陷阱与默认参数解决方案

Python 闭包延迟绑定现象

首先观察以下代码示例：

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

代码初衷是生成包含 [0, 2, 4] 的列表，但实际运行结果却输出了 [4, 4, 4]。

针对这一现象，以下是具体的原理分析：

当 Python 解释器遇到 lambda（或 def）语句时，它仅创建一个匿名函数对象并存入内存，直到该函数被实际调用时，才会执行内部的代码逻辑（即 x*i）。因此，匿名函数内部引用的变量 i 并非在定义时立即捕获循环中的当前值，而是在函数被调用时才去查找 i 的值。这种机制被称为延迟绑定。

与此同时，for i in range(3) 是一个独立的表达式，Python 解释器在遇到时会立即执行。当代码执行到 ld(2) 时，循环早已结束，此时变量 i 的值固定为 2。my_ld 是一个包含三个匿名函数对象的列表，由于所有函数都引用同一个最终变量 i，因此打印 my_list 的结果为 [4, 4, 4]。

若希望得到 [0, 2, 4] 的输出，可以在 lambda 表达式中增加一个默认参数 a=i，具体代码如下：

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 函数中的默认参数在解释器遇到 lambda a=i（或 def(a=i)）时立即初始化。这意味着每次循环迭代时，默认参数 a 都会重新查找 i 的引用。当 i=0 时，第一个匿名函数的默认参数 a 被赋值为 0；当 i=1 时，第二个函数的 a 被赋值为 1，依此类推。因此，当代码执行到 ld(2) 时，每个匿名函数中 a 的默认值已各自独立，从而实现了正确的绑定。

以上内容即为本文的核心要点，希望能对您的学习有所帮助，也欢迎大家继续支持本站。