Question

我正在使用python 2.7，偶然发现了这个问题，我什至不明白为什么以下命令不起作用的逻辑。

我需要适应不同的数据集，我想在for循环中动态地进行操作。这是重复出现问题的MWE：

import numpy as np
from scipy.optimize import curve_fit


def func_to_fit(x, a):
    return x ** a


x = np.arange(0, 10)
dummy_dataset = {1: x ** 2,
                 2: x ** 3}

param = {}
fitted_func = {}

print "First loop"
for i in [1, 2]:
    if i == 1:
        idx = "Ex"
    else:
        idx = "Ez"
    # store the results in different items in a dictionary to avoid the usual copying issues in Python
    param[idx] = curve_fit(func_to_fit, x, dummy_dataset[i])[0]  
    fitted_func[idx] = lambda x: func_to_fit(x, *param[idx])
    print idx, fitted_func[idx](x)
print param
print fitted_func

print "Ex", fitted_func["Ex"](x)
print "Ez", fitted_func["Ez"](x)

输出为

First loop
Ex [  0.   1.   4.   9.  16.  25.  36.  49.  64.  81.]
Ez [   0.    1.    8.   27.   64.  125.  216.  343.  512.  729.]
{'Ex': array([ 2.]), 'Ez': array([ 3.])}
{'Ex': <function <lambda> at 0x0000000015989EB8>, 'Ez': <function <lambda> at 0x0000000015989F98>}
Ex [   0.    1.    8.   27.   64.  125.  216.  343.  512.  729.]
Ez [   0.    1.    8.   27.   64.  125.  216.  343.  512.  729.]

打印“第二个循环” 之前的行为是我所期望的：在进行拟合的循环之外，存储在 param 中的参数是正确的（ “ Ex” = 2和“ Ez” = 3）， fitted_func 中的函数存储在不同的内存位置，当我在第一个循环中调用它们时，它们会给出正确的结果，即fit_func [“ Ex“]（x）= x ^ 2和fit_func [” Ez“]（x）= x ^ 3。

但是，如果我像调用最后两行代码那样分别调用每个拟合的函数，并且尝试计算这些函数的值，则结果错误，即两者函数返回x ^ 3。

我认为此行为与Python处理内存的方式和某种竞争条件有关，即Python每次在fit_func [idx]中计算lambda函数并记住上一个有效结果（在这种情况下，适合x ^ 3）。无论如何，我不太了解确切的问题是什么以及如何解决它。

希望我设法正确地说明了这个问题，有人对 1.导致此问题的原因是什么？ 2.如何克服？

非常感谢！

Python：for循环会覆盖在循环中创建的lambda函数

0 个答案: