python闭包
关于闭包, 很多blog中都这样解释 :对于一个嵌套定义的函数,外层的函数的返回值是内层函数,而在内层函数中又引用了外层函数的局部变量,在外层函数执行后,其局部变量并非被回收,而会同返回的内层函数一同存在,而这一现象被称为闭包(closure)。
不过以上的理解有些繁琐和局限, 在计算机科学中 ,闭包(Closure)词法闭包(Lexical Closure)的简称,是引用了自由变量的函数。 这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境也不例外。所以,有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体。 也即对于第一段中的定义可以适当放开一些限制条件,python中的闭包实现也并非那么局限。
引用
通过上文介绍可以对于python闭包有大概的了解, 但是有些看似简单的细节却需要进一步阐述 。
python中变量的概念,这是与C/C++中极为不同的,在C/C++中变量是一个名称与内存合一的实体,改变一个变量的值,并不改变其内存的地址。 而变量这个概念在python中并不合用,很多场合它的运用都会让人混淆 。
python中所使用的概念是引用和对象,即如a=123,a即是一个引用名称,123是内存中所储存的对象值。这其实更像是C/C++中的指针与其所指向的内存,可以看作python在此之上对语法进行了包装。
回到之前讨论的闭包话题,在其中用到了 变量 的概念,即函数引用的 变量 将与函数一同存在,这里的 变量 其实是引用名称与内存对象的复合概念。我们这里对其进行进一步的阐明:
函数中所使用的外层函数引用名称(指针),在外层函数退出后其所指向的内存对象并不回收,而该引用名称(指针)会与内层函数一同存在,虽然此时该引用名称(指针)对于内层函数不是“可见的”。
陷阱
def count(): fs = [] for i in range(1, 4): def f(): return j*j fs.append(f) return fs f1, f2, f3 = count() print(f1()) print(f2()) print(f3())
对于以上代码,假如按照C/C++中的概念去理解python中的变量,就会以为其输出依次为1、2、3。其实不然,真正输出为:3、3、3。根据上一小节中对于python中引用与闭包的阐述,在内存f函数中使用外层的引用名称i,在循环中虽然将不同的f函数加入到列表fs中,但是它们都使用的是同一个引用i,而该引用最后对应的值为3。
再看一段代码,这个会稍微复杂一点
def test(): for i in range(4): yield i g=test() for n in [1,10]: g=(n+i for i in g) print(list(g))
上面这段代码的输出,一时不查之下也会以为是11、12、13、14,而其真实结果却是20、21、22、23,让人一时抓不到头脑。首先在for循环中的生成器表达式(n+i for i in g),它其实本质上是一个函数,写成表达式的形式不过是一种语法糖,其函数形式为:
def gen(n): # g是外面全局的那个生成器g for i in g: yield n+i
即生成器generator本身是一种算法或是函数,只有在“调用”它的时候,也就是对其进行for或是list或是next之类的操作时,才会真正的有值流动。
那么对于以上第二例子中的代码,在for循环内n=1时,g这个生成器被重新赋值,但注意它此时只是一个特殊的函数,此时的n与i并没有真正相加,在for循环的第二轮n=10的时候,(n+i for i in g)表达式中对g才进行了调用,那么此时流进函数的n值其实是10,也就是此时g这个生成器对应的值为10、11、12、13,也就是i所引用的是这些值,下面又以相同的n+i的形式创造一个新的生成器对g重新赋值,并退出循环。则自然,此时g中对应的值为20、21、22、23.
以上就是python闭包与引用以及需要注意的陷阱的详细内容,更多关于python 闭包与引用的资料请关注其它相关文章!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]