用AI赚第一桶💰低成本搭建一套AI赚钱工具,源码可二开。 广告
### 函数作为返回值 高阶函数除了可以接受函数作为参数外,还可以把函数作为结果值返回。 我们来实现一个可变参数的求和。通常情况下,求和的函数是这样定义的: ~~~ def calc_sum(*args): ax = 0 for n in args: ax = ax + n return ax ~~~ 但是,如果不需要立刻求和,而是在后面的代码中,根据需要再计算怎么办?可以不返回求和的结果,而是返回求和的函数: ~~~ def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum ~~~ 当我们调用`lazy_sum()`时,返回的并不是求和结果,而是求和函数: ~~~ >>> f = lazy_sum(1, 3, 5, 7, 9) >>> f <function lazy_sum.<locals>.sum at 0x101c6ed90> ~~~ 调用函数`f`时,才真正计算求和的结果: ~~~ >>> f() 25 ~~~ 在这个例子中,我们在函数`lazy_sum`中又定义了函数`sum`,并且,内部函数`sum`可以引用外部函数`lazy_sum`的参数和局部变量,当`lazy_sum`返回函数`sum`时,相关参数和变量都保存在返回的函数中,这种称为“闭包(Closure)”的程序结构拥有极大的威力。 请再注意一点,当我们调用`lazy_sum()`时,每次调用都会返回一个新的函数,即使传入相同的参数: ~~~ >>> f1 = lazy_sum(1, 3, 5, 7, 9) >>> f2 = lazy_sum(1, 3, 5, 7, 9) >>> f1==f2 False ~~~ `f1()`和`f2()`的调用结果互不影响。 ### 闭包 注意到返回的函数在其定义内部引用了局部变量`args`,所以,当一个函数返回了一个函数后,其内部的局部变量还被新函数引用,所以,闭包用起来简单,实现起来可不容易。 另一个需要注意的问题是,返回的函数并没有立刻执行,而是直到调用了`f()`才执行。我们来看一个例子: ~~~ def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fs f1, f2, f3 = count() ~~~ 在上面的例子中,每次循环,都创建了一个新的函数,然后,把创建的3个函数都返回了。 你可能认为调用`f1()`,`f2()`和`f3()`结果应该是`1`,`4`,`9`,但实际结果是: ~~~ >>> f1() 9 >>> f2() 9 >>> f3() 9 ~~~ 全部都是`9`!原因就在于返回的函数引用了变量`i`,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量`i`已经变成了`3`,因此最终结果为`9`。 返回闭包时牢记的一点就是:返回函数不要引用任何循环变量,或者后续会发生变化的变量。 如果一定要引用循环变量怎么办?方法是再创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何更改,已绑定到函数参数的值不变: ~~~ def count(): def f(j): def g(): return j*j return g fs = [] for i in range(1, 4): fs.append(f(i)) # f(i)立刻被执行,因此i的当前值被传入f() return fs ~~~ 再看看结果: ~~~ >>> f1, f2, f3 = count() >>> f1() 1 >>> f2() 4 >>> f3() 9 ~~~ 缺点是代码较长,可利用lambda函数缩短代码。 ### 小结 一个函数可以返回一个计算结果,也可以返回一个函数。 返回一个函数时,牢记该函数并未执行,返回函数中不要引用任何可能会变化的变量。 ### 参考源码 [return_func.py](https://github.com/michaelliao/learn-python3/blob/master/samples/functional/return_func.py)