Python函数式编程 入门必备
1 Python 函数式编程
python 支持函数式编程，提到数式编程，大家首先想到的是多个函数内嵌。的确是这样。不过，要想入门函数式编程，里面涉及到的闭包，是不得不掌握的，换句话说，如果不了解闭包就使用函数式编程，那么，函数式编程的功能特性可能不会完全体现出来。
今天用专题的形式，完整的总结下函数式编程中这个非常重要的特性：闭包，并提供PDF下载，如有补充指正，请留言，万分感激。
本资料为 Python与算法社区 出品，如需转载，请注明来源。
为什么一直在啰嗦闭包，我们都知道函数式编程中闭包处处存在，Python也支持函数式编程，自然也就存在闭包。
利用闭包的性质，我们可实现一些比较接地气的功能，调用起来比较容易理解的。
下面，从闭包是什么，闭包示例，使用坑点展开。
2 闭包是什么
闭包是由 函数及其相关的引用环境组合而成的实体 ，一句话：闭包 = 函数+引用环境。
函数式编程中，当 内嵌函数体内引用到 体外的变量时，将会连同这些变量(引用环境)和内嵌函数体，一块打包成一个整体返回。
3 闭包示例
编写一个能体现闭包特性，使用闭包给我们带来便利的经典例子。
这个例子是这样，实现机器人robot位置的实时更新功能。 定义机器人的初始位置，然后返回一个move函数，它能帮助我们实现机器人x, y 某个或两个方向上的移动，并打印出当前的位置。
构建一个外部函数，传递initx,inity 两个参数，代表robet的初始位置，然后内嵌一个move函数，体内要引用cordx, cordy两个参数，这就是所谓的环境，它们+move函数组成闭包。
def rundist(initx,inity): cordx,cordy = initx,inity def move(**kwargs): pass return movemove函数的形参我们使用关键词参数kwargs，我们约定好它的两个参数为x,y，当传递过来x时，更新x方向的距离，如果都传过来，则说明x,y两个方向都有了移动。
下面，写move函数体内实现：
def move(**kwargs): nonlocal cordx nonlocal cordy if 'x' in kwargs.keys(): cordx+=kwargs['x'] if 'y' in kwargs.keys(): cordy+=kwargs['y'] print('current position (%d,%d)' %(cordx,cordy)) 首先，显示地声明 cordx, cordy为非局部性变量，至于为什么会这样，下面会说到。然后分别判断传入的关键词参数是否包含x,y，有则更新，最后打印。
完整的代码如下：
In [21]: def rundist(x,y): ...: cordx,cordy = x,y ...: def move(**kwargs): ...: nonlocal cordx ...: nonlocal cordy ...: if 'x' in kwargs.keys(): ...: cordx+=kwargs['x'] ...: if 'y' in kwargs.keys(): ...: cordy+=kwargs['y'] ...: print('current position (%d,%d)' %(cordx,cordy)) ...: return move 使用rundist函数，过程如下：
In [22]: mv = rundist(0,0)
In [23]: mv(x=1,y=3) current position (1,3)
In [24]: mv(x=5) current position (6,3)
In [25]: mv(y=3) current position (6,6)可以看到一次初始化位置，并返回一个move函数，下面不断调用move函数，并且在调用的时候就都能记忆住上一次的位置，比较方便。
这就是函数式编程中利用闭包特性的功能体现。
4 闭包使用坑点
4.1 nonlocal 作用
在上面的示例中，我们使用nonlocal关键词显示声明cordx不是局部变量，如果不这样做，会怎么样？
如下，我们去掉那两行代码：
In [21]: def rundist(x,y): ...: cordx,cordy = x,y ...: def move(**kwargs): ...: if 'x' in kwargs.keys(): ...: cordx+=kwargs['x'] ...: if 'y' in kwargs.keys(): ...: cordy+=kwargs['y'] ...: print('current position (%d,%d)' %(cordx,cordy)) ...: return move 再次执行，
In [8]: mv = rundist(0,0)
In [9]: mv(x=1) 在执行 mv(x=1)时，报错 UnboundLocalError：
UnboundLocalError Traceback (most recent call last)<ipython-input-9-3060599821a7> in <module>----> 1 mv(x=1)
<ipython-input-6-a5d76037d2c4> in move(**kwargs) 3 def move(**kwargs): 4 if 'x' in kwargs.keys():----> 5 cordx+=kwargs['x'] 6 if 'y' in kwargs.keys(): 7 cordy+=kwargs['y']
UnboundLocalError: local variable 'cordx' referenced before assignment你可能会疑惑为什么？
这是因为，python 规则指定所有在赋值语句左面的变量都是局部变量，则在闭包 move() 中，变量 cordx 在赋值符号"="的左面，被 python 认为是 move() 中的局部变量。
再接下来执行 move() 时，程序运行至 cordx += x 时，因为之前已经把 cordx 归为 move() 中的局部变量了，因此，python 会在 move() 中去找在赋值语句右面的 cordx 的值，结果找不到，就会报错。
通过使用语句 `nonloacal cordx' 显式的指定 cordx 不是闭包的局部变量，避免出现 UnboundLocalError.
4.2 容易犯错
函数式编程新手，包括我自己，经常会犯一个错误，就是在内嵌函数内总是想修改体外的变量，如下：
In [10]: def run(x): ...: cordx = x ...: def move(x): ...: cordx+=x ...: return move 这和上面说道的cordx嵌入到move体内，且位于等号左侧时，自动被调整为move函数的局部变量，是一样的。 不过，对于我们刚入门函数式编程，这个错误是最容易犯的，使用注意就是声明cordx为非局部变量。
4.3 面试必考
有一道关于函数式编程考闭包的面试题，可以说是被各大公司都考过了，在网上一查就能找到这道题。
今天，我试着帮大家透彻解释清楚，希望未来参加面试的小伙伴，可以轻松拿下，不光知道答案，还知道为啥，最后叫面试官对你刮目相看。
先从一种比较好理解的方式入手，我们不使用 lambda，那样貌似把闭包隐蔽的太厉害了，不容易辨识出是闭包。
不过，下面这种方式，结合前几章节，还是比较容易就能看出来吧。
In [19]: def exfun(): ...: funli = [] ...: for i in range(3): ...: def intfun(x): ...: print( x*i) ...: funli.append(intfun) ...: return funli ...: ...: 就是生成了一个list,里面的3个元素，元素类型是intfun()函数，它是一个闭包，引用了外部变量i
下面，我们调用函数：
In [20]: funli = exfun()
In [21]: funli[0](5) 10
In [22]: funli[1](5) 10
In [23]: funli[2](5) 10有些意外，返回的都是10，按照我们的期望应该是0,5,10
这是为什么？
原因： i 是闭包函数引用的外部作用域的变量, 只有在内部函数被调用的时候， 才会搜索变量i的值。
由于循环已结束, i指向最终值2, 所以各函数调用都得到了相同的结果。
如何解决这个问题？ 我们可以在生成闭包函数的时候，立即绑定变量 i，如下：
In [32]: def exfun(): ...: funli = [] ...: for i in range(3): ...: def intfun(x,i=i): ...: print( x*i) ...: funli.append(intfun) ...: return funli ...: 再次调用：
In [34]: funli[0](5) 0
In [35]: funli[1](5) 5OK
真正在面试中，这道题会使用 lambda 进一步隐蔽闭包，呵呵，这回你可以识别出来了。
这是带陷阱的版本
In [38]: def exfun(): ...: return [lambda x: i*x for i in range(3)]这是OK版本：
In [38]: def exfun(): ...: return [lambda x,i=i: i*x for i in range(3)]本文分享自 程序员郭震zhenguo 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！