Python中如何使用闭包？函数式编程实例-Python教程-PHP中文网

python闭包的实际用处包括：1.创建工厂函数，如根据折扣率生成计算函数；2.实现装饰器，用于添加日志、计时等功能；3.维护状态，如计数器。闭包与nonlocal的关系在于nonlocal允许内层函数修改外层非全局变量，避免unboundlocalerror。实际开发中需注意延迟绑定问题（可通过默认参数或functools.partial解决）、内存管理及代码可读性。

Python中如何使用闭包？函数式编程实例

在Python里，闭包简单来说，就是一个函数（内层函数）记住了它被创建时的环境，即使这个环境（外层函数）已经执行完毕，它依然能访问那个环境里的变量。这让内层函数能“封闭”或“捕获”它外部作用域的变量，形成一个有状态的函数。它不是什么魔法，更多是一种巧妙的变量作用域和生命周期管理。

解决方案

要使用闭包，你需要定义一个外部函数，它里面包含一个内部函数。这个内部函数会引用外部函数作用域里的变量（非全局变量，也不是自己的局部变量）。最后，外部函数会返回这个内部函数。

来看一个简单的例子，我们创建一个“计数器”：

立即学习“Python免费学习笔记（深入）”；

def make_counter():
    count = 0  # 这是一个外部函数的局部变量

    def increment():
        nonlocal count # 声明count不是局部变量，而是外部作用域的变量
        count += 1
        return count

    return increment # 返回内部函数，而不是执行结果

# 现在，我们创建两个独立的计数器
counter1 = make_counter()
counter2 = make_counter()

print(counter1()) # 输出: 1
print(counter1()) # 输出: 2
print(counter2()) # 输出: 1 (注意，这是独立的计数器)
print(counter1()) # 输出: 3

登录后复制

在这个 make_counter 例子里，increment 函数就是闭包。它“记住”了 make_counter 作用域里的 count 变量。每次调用 counter1() 或 counter2() 时，它们各自的 count 变量都会独立地递增，因为 make_counter 每调用一次，都会创建一个新的 count 变量和新的 increment 闭包实例。

Python闭包在函数式编程中有什么实际用处？

从我个人的经验来看，闭包在函数式编程范式中扮演着非常核心的角色，尤其是在Python这种多范式语言里。它允许你创建“定制化”的函数，或者说，在运行时生成具有特定行为的函数。

一个很常见的场景是创建“工厂函数”。想象一下，你需要根据不同的参数生成一系列相似但又略有不同的函数。比如，一个计算折扣的函数，但折扣率是可变的：

def discount_calculator(discount_rate):
    """
    创建一个根据给定折扣率计算最终价格的函数。
    """
    def calculate_final_price(original_price):
        return original_price * (1 - discount_rate)
    return calculate_final_price

# 创建一个打九折的计算器
nine_tenths_off = discount_calculator(0.1) 
print(f"原价100，九折后：{nine_tenths_off(100)}") # 输出: 原价100，九折后：90.0

# 创建一个打八折的计算器
eight_tenths_off = discount_calculator(0.2)
print(f"原价100，八折后：{eight_tenths_off(100)}") # 输出: 原价100，八折后：80.0

登录后复制

这里 calculate_final_price 就是闭包。它捕获了 discount_rate 这个变量。每次调用 discount_calculator，都会生成一个带有特定 discount_rate 的新闭包。这种模式在需要“预配置”函数行为时非常有用。

另一个非常重要的应用场景是实现装饰器（Decorators）。Python的装饰器语法糖，其底层原理正是闭包。装饰器本质上就是一个接受函数作为参数，并返回一个新函数的函数。这个新函数通常会“包装”原函数，在执行原函数之前或之后添加一些额外的逻辑（比如日志、权限检查、性能计时等）。

import time

def timer_decorator(func):
    """
    一个简单的计时装饰器，测量函数执行时间。
    """
    def wrapper(*args, **kwargs): # wrapper是闭包，它捕获了func
        start_time = time.time()
        result = func(*args, **kwargs) # 调用被装饰的函数
        end_time = time.time()
        print(f"函数 '{func.__name__}' 执行耗时: {end_time - start_time:.4f} 秒")
        return result
    return wrapper

@timer_decorator
def long_running_function(n):
    sum_val = 0
    for i in range(n):
        sum_val += i * i
    return sum_val

# 调用被装饰的函数
long_running_function(1000000)

登录后复制

wrapper 函数就是闭包，它“记住”了被装饰的 func。这使得我们可以在不修改 long_running_function 源代码的情况下，为其添加计时功能。这是函数式编程中“高阶函数”和“组合”思想的体现。

闭包和Python的`nonlocal`关键字有什么关系？

nonlocal 关键字在Python 3中引入，它与闭包的联系非常紧密，可以说是实现可变状态闭包的关键。在上面的 make_counter 例子中，如果你尝试在 increment 函数内部直接修改 count 变量（例如 count += 1），但没有使用 nonlocal 声明，Python会默认 count 是 increment 函数内部的一个新的局部变量，而不是外部作用域的那个 count。这会导致一个 UnboundLocalError，或者更糟的是，导致逻辑错误——你修改的只是一个临时的局部变量，外部的 count 根本没变。

nonlocal 的作用就是明确告诉解释器：“嘿，这个变量 count 不是我 increment 函数自己的局部变量，它存在于我外层（但不是全局）的作用域里，我要修改的就是那个变量。”

豆包AI编程

豆包推出的AI编程助手

483

查看详情

考虑没有 nonlocal 的错误尝试：

def make_broken_counter():
    count = 0
    def increment():
        # count += 1 # 如果没有nonlocal，这里会报错或行为不符合预期
        print(f"尝试访问：{count}") # 访问是没问题的，但修改就会出问题
        # 如果是修改，Python会认为你正在创建一个新的局部变量count
        # 所以在赋值之前，它会认为你尝试读取一个未初始化的局部变量
    return increment

# broken_counter = make_broken_counter()
# broken_counter() # 会报错 UnboundLocalError: local variable 'count' referenced before assignment

登录后复制

这正是 nonlocal 的用武之地。它确保了闭包能够真正地“封闭”并修改其外部非全局作用域中的变量，使得像计数器、状态机等需要维护状态的闭包模式成为可能。没有 nonlocal，闭包在处理可变状态时会受到很大限制，或者需要通过返回新值来模拟状态变化，这就不那么直接了。

闭包在实际开发中可能遇到的挑战和误区有哪些？

虽然闭包非常强大且优雅，但在实际开发中，确实有一些常见的“坑”或者说需要注意的地方，特别是对于初学者。

一个非常经典的误区是“延迟绑定”（Late Binding Closures）问题。当你在一个循环中创建多个闭包时，它们可能会共享同一个外部变量的引用，而不是各自拥有变量在创建时的值。这通常发生在你期望每个闭包捕获循环变量的当前值时，但实际上它们都捕获了变量的最终值。

看一个例子：

# 期望：点击每个按钮时，显示对应的数字 (0, 1, 2)
# 实际：点击每个按钮时，都显示最终的数字 (2)
def create_multipliers_wrong():
    multipliers = []
    for i in range(3):
        def multiplier(x):
            return i * x # 这里的 i 是共享的，在函数执行时才查找
        multipliers.append(multiplier)
    return multipliers

# test_multipliers = create_multipliers_wrong()
# print(test_multipliers[0](10)) # 期望0，实际20
# print(test_multipliers[1](10)) # 期望10，实际20
# print(test_multipliers[2](10)) # 期望20，实际20

登录后复制

这里的问题在于，multiplier 函数中的 i 在函数被调用时才查找它的值。当循环结束后，i 的最终值是 2。所以，所有的闭包都会使用这个最终值。

解决这个问题的方法通常有两种：

使用默认参数捕获当前值： 这是最常见且推荐的方式。将循环变量作为内部函数的默认参数，这样在函数定义时就“绑定”了当前的值。

def create_multipliers_correct_default_arg():
    multipliers = []
    for i in range(3):
        def multiplier(x, current_i=i): # i的值在定义时就被current_i捕获了
            return current_i * x
        multipliers.append(multiplier)
    return multipliers

test_multipliers_correct = create_multipliers_correct_default_arg()
print(test_multipliers_correct[0](10)) # 输出: 0
print(test_multipliers_correct[1](10)) # 输出: 10
print(test_multipliers_correct[2](10)) # 输出: 20

登录后复制

使用 functools.partial： 如果函数签名比较复杂，或者你更倾向于函数式编程的风格，partial 是一个很好的选择。

from functools import partial

def create_multipliers_correct_partial():
    multipliers = []
    def _multiplier(i, x): # 注意这里i是参数
        return i * x
    for i in range(3):
        # partial会创建一个新的可调用对象，其中i的值被固定下来
        multipliers.append(partial(_multiplier, i))
    return multipliers

test_multipliers_partial = create_multipliers_correct_partial()
print(test_multipliers_partial[0](10)) # 输出: 0
print(test_multipliers_partial[1](10)) # 输出: 10
print(test_multipliers_partial[2](10)) # 输出: 20

登录后复制

另一个需要注意的方面是内存管理。闭包会持有对它们所封闭环境中的变量的引用。如果这个环境很大，或者闭包的生命周期很长，这可能会导致不必要的内存占用。虽然Python的垃圾回收机制通常能很好地处理这些，但在某些高性能或内存敏感的应用中，这可能是一个需要考虑的因素。如果你创建了大量的闭包，并且它们都捕获了大量数据，那么就需要留意。

最后，代码可读性。虽然闭包很优雅，但过度使用或在不恰当的场景下使用，可能会让代码变得难以理解，特别是对于不熟悉闭包概念的团队成员。我倾向于在它能明显简化逻辑、减少重复代码或实现清晰的职责分离（如装饰器）时才使用它。如果一个功能更适合用一个简单的类来封装状态和行为，那么使用类可能反而更清晰直观。平衡简洁和可读性，始终是编码的艺术。

以上就是Python中如何使用闭包？函数式编程实例的详细内容，更多请关注php中文网其它相关文章！