Question

为什么以下两个列表推导的输出不同，即使f和lambda函数相同？

f = lambda x: x*x
[f(x) for x in range(10)]

和

[lambda x: x*x for x in range(10)]

请注意，类型（f）和类型（lambda x：x * x）都返回相同的类型。

Answer 1

第一个创建一个lambda函数并调用它十次。

第二个不调用该函数。它创建了10种不同的lambda函数。它将所有这些放在一个列表中。使它等同于你需要的第一个：

[(lambda x: x*x)(x) for x in range(10)]

或者更好：

[x*x for x in range(10)]

Answer 2

这个问题涉及“着名的”和“明显的”Python语法的一个非常臭的部分 - 优先级，lambda或列表理解的for。

我不认为OP的目的是生成从0到9的正方形列表。如果是这样的话，我们可以提供更多的解决方案：

squares = []
for x in range(10): squares.append(x*x)

这是命令式语法的好方法。

但这不是重点。重点是W（hy）TF是这个模糊的表达所以反直觉吗？最后我有一个愚蠢的案例，所以不要过早地解答我的答案（我在面试时就已经过了）。

所以，OP的理解返回了一个lambdas列表：

[(lambda x: x*x) for x in range(10)]

这当然只是10个不同的平方函数副本，请参阅：

>>> [lambda x: x*x for _ in range(3)]
[<function <lambda> at 0x00000000023AD438>, <function <lambda> at 0x00000000023AD4A8>, <function <lambda> at 0x00000000023AD3C8>]

注意 lambda的内存地址 - 它们都不同！

你当然可以拥有这个表达式的更“最佳”（haha）版本：

>>> [lambda x: x*x] * 3
[<function <lambda> at 0x00000000023AD2E8>, <function <lambda> at 0x00000000023AD2E8>, <function <lambda> at 0x00000000023AD2E8>]

请参阅？ 3次相同的 lambda。

请注意，我使用_作为for变量。它与x中的lambda无关（它在词汇上黯然失色！）。得到它？

我要省略讨论，为什么语法优先权不是这样，这一切都意味着：

[lambda x: (x*x for x in range(10))]

可以是：[[0, 1, 4, ..., 81]]，或[(0, 1, 4, ..., 81)]，或我认为最符合逻辑的，这将是{1}}的1个元素 - 一个{{ 1}}返回值。事实并非如此，语言不会这样。

但是什么，如果......

如果你没有掩盖list变量，并在你的generator中使用它，该怎么办？

嗯，那么废话就发生了。看看这个：

for

这当然意味着：

lambda

但这并不意味着：

[lambda x: x * i for i in range(4)]

这太疯狂了！

列表理解中的lambdas是对这种理解范围的封闭。一个词汇闭包，所以它们引用[(lambda x: x * i) for i in range(4)] via引用，而不是它们在评估时的值！

所以，这个表达式：

[(lambda x: x * 0), (lambda x: x * 1), ... (lambda x: x * 3)]

大致等同于：

我确信我们可以在这里看到更多使用python反编译器（我的意思是例如[(lambda x: x * i) for i in range(4)]模块），但对于Python-VM不可知的讨论，这就足够了。求职面试的问题非常多。

现在，如何制作一个[(lambda x: x * 3), (lambda x: x * 3), ... (lambda x: x * 3)]乘数lambdas，它真正乘以连续的整数？好吧，与接受的答案类似，我们需要通过将其包含在另一个dis中来打破与list的直接联系，这将被称为 in 列表推导表达式：< / p>

在：

后：

lambda

（我的外部lambda变量也是>>> a = [(lambda x: x * i) for i in (1, 2)] >>> a[1](1) 2 >>> a[0](1) 2，但我认为这是更清晰的解决方案 - 我引入>>> a = [(lambda y: (lambda x: y * x))(i) for i in (1, 2)] >>> a[1](1) 2 >>> a[0](1) 1以便我们都可以看到哪个女巫是哪个。

Answer 3

最大的区别是第一个例子实际上调用了lambda f(x)，而第二个例子却没有。{/ p>

您的第一个示例相当于[(lambda x: x*x)(x) for x in range(10)]，而您的第二个示例相当于[f for x in range(10)]。

Answer 4

第一个

f = lambda x: x*x
[f(x) for x in range(10)]

为范围中的每个值运行f()，因此每个值都为f(x)

第二个

[lambda x: x*x for x in range(10)]

为列表中的每个值运行lambda，因此它会生成所有这些函数。

Answer 5

人们给出了很好的答案，但忘记提及我认为最重要的部分：在第二个示例中，列表推导的X与X函数的lambda不同，它们完全不相关。所以第二个例子实际上与：

相同

[Lambda X: X*X for I in range(10)]

range(10)上的内部迭代只负责在列表中创建10个类似的lambda函数（10个独立的函数但完全相似 - 返回每个输入的幂2）。

另一方面，第一个示例完全不同，因为迭代的X与结果交互，每次迭代的值为X*X，因此结果为[0,1,4,9,16,25, 36, 49, 64 ,81]

Answer 6

其他答案是正确的，但是如果你试图制作一个功能列表，每个功能都有一个不同的参数，可以在以后执行，那么下面的代码就会这样做：

import functools
a = [functools.partial(lambda x: x*x, x) for x in range(10)]

b = []
for i in a:
    b.append(i())

In [26]: b
Out[26]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

虽然这个例子是设计的，但是当我想要一个每个打印不同的函数列表时，我发现它很有用，即

import functools
a = [functools.partial(lambda x: print(x), x) for x in range(10)]

for i in a:
    i()

Python：List Comprehensions中的Lambda函数

6 个答案: