闭包与作用域的理解

1. 闭包(Closure)
  • 定义:闭包是一个函数与其"捕获"的外部变量(来自外层作用域的变量)的组合。即使外层函数已经执行完毕,内部函数仍能记住并访问这些变量。
  • 核心机制:当内层函数引用了外层函数的变量时,Python 会将这些变量绑定到闭包中,使其生命周期延长至闭包存在期间。

例子

python 复制代码
def outer():
    x = 10  # 外层函数的变量
    def inner():
        print(x)  # 内层函数捕获了外层变量x
    return inner

closure = outer()  # outer()执行完毕,x本应被销毁
closure()  # 输出:10 → 但闭包仍然能访问x!
  • 关键点
    • 闭包的本质是 函数 + 环境变量 的捆绑。
    • 闭包中的变量是"记忆"的,而非实时查找的(注意循环陷阱,如延迟绑定问题)。

2. 作用域(Scope)

Python 使用 LEGB 规则 查找变量:

  • L(Local):当前函数内部。
  • E(Enclosing):外层嵌套函数(闭包的关键!)。
  • G(Global):模块全局作用域。
  • B(Built-in) :内置函数(如 print, len)。

例子

python 复制代码
x = "global"
def outer():
    x = "outer"
    def inner():
        x = "inner"
        print(x)       # 输出:inner (Local优先)
    inner()
    print(x)           # 输出:outer (Enclosing)
outer()
print(x)               # 输出:global (Global)
  • 闭包与作用域的联动
    当内层函数访问外层函数的变量时,Python 会将这些变量"冻结"到闭包中,即使外层函数已执行完毕,闭包仍能通过 Enclosing作用域 访问它们。

总结

  • 闭包:是函数式编程的核心概念,让函数能"记住"外部状态,是装饰器实现的基础。
  • 作用域:通过 LEGB 规则控制变量的可见性,闭包通过 Enclosing 作用域实现变量捕获。
相关推荐
点云SLAM9 分钟前
PyTorch 中.backward() 详解使用
人工智能·pytorch·python·深度学习·算法·机器学习·机器人
B1118521Y4638 分钟前
flask的使用
后端·python·flask
Learn Beyond Limits1 小时前
Transfer Learning|迁移学习
人工智能·python·深度学习·神经网络·机器学习·ai·吴恩达
love530love3 小时前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
He1955013 小时前
Go初级之十:错误处理与程序健壮性
开发语言·python·golang
和鲸社区4 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
豌豆花下猫5 小时前
Python 潮流周刊#118:Python 异步为何不够流行?(摘要)
后端·python·ai
THMAIL5 小时前
深度学习从入门到精通 - LSTM与GRU深度剖析:破解长序列记忆遗忘困境
人工智能·python·深度学习·算法·机器学习·逻辑回归·lstm
wheeldown5 小时前
【数学建模】数据预处理入门:从理论到动手操作
python·数学建模·matlab·python3.11
多打代码6 小时前
2025.09.05 用队列实现栈 & 有效的括号 & 删除字符串中的所有相邻重复项
python·算法