Python에서 클로저란 무엇입니까? 응용 프로그램은 무엇입니까?
이 글의 내용은 파이썬에서 클로저란 무엇인가에 관한 것입니다. 응용 프로그램은 무엇입니까? 도움이 필요한 친구들이 참고할 수 있기를 바랍니다.
1. 반환 값으로서의 함수
"클로저"를 소개하기 전에 먼저 반환 값으로서의 함수의 상황을 이해해 봅시다.
고차 함수는 함수를 매개변수로 받는 것 외에도 함수를 결과 값으로 반환할 수도 있습니다. 예를 들어 앞서 소개한 데코레이터에서는 함수를 반환값으로 사용한다.
2. 폐쇄
1. 폐쇄의 조건과 효과
폐쇄란?
함수 내에 다른 함수를 중첩할 때 내부 함수가 외부 함수의 변수를 참조하면 클로저가 발생할 수 있습니다.
그래서클로저 생성을 위한 세 가지 조건(하나는 필수):
1. 내부 함수는 중첩되어야 합니다
2.
3. 외부 함수는 내부 함수를 반환해야 합니다-
그렇다면 클로저를 시도해야 하는 이유와 클로저의 역할은 무엇일까요?
- 2. 클로저가 실행된 후에도 현재 실행 환경이 계속 유지될 수 있으며 실행 결과는 마지막 시간에 따라 달라집니다. 함수가 실행되었습니다.
- 2. 클로저 예시
Chestnut 1: 수열의 합을 구합니다 >>> def calc_sum(*args):
... ax = 0
... for n in args:
... ax = ax + n
... return ax # 返回变量
...
>>> calc_sum(1,2,3)
6
로그인 후 복사
하지만 이제 요구사항이 있으면 합산 결과를 구할 필요가 없습니다. 즉시, 하지만 다음 코드에서는 필요에 따라 계산합니다. 어떻게 해야 할까요? >>> def calc_sum(*args): ... ax = 0 ... for n in args: ... ax = ax + n ... return ax # 返回变量 ... >>> calc_sum(1,2,3) 6
합산 결과를 반환할 수는 없지만 다음과 같이 합산 함수를 반환합니다.
>>>def lazy_sum(*args): ... def sum(): # sum()是内部函数,可以利用外部函数的参数 ... ax = 0 ... for n in args: # sum()中使用外部函数的局部变量 ... ax = ax + n ... return ax ... return sum # 形成闭包,此时,*args保存在返回的函数中 ... >>>f = lazy_sum(1,3,5,7,9) >>>f # 此时返回的是求和函数 >>> f() # 调用函数f()时,才真正计算求和的结果 25
참고:
# 但是调用 f1() 与f2()的调用结果互不影响 >>> f1 = lazy_sum(1,3,5,7,9) >>> f2 = lazy_sum(1,3,5,7,9) >>> f1 <function lazy_sum.<locals>.sum at 0x013DD618> >>> f2 <function lazy_sum.<locals>.sum at 0x02F92DF8> >>> f1 == f2 False >>> f1() == f2() True >>> f1() 25 >>> f2() 25 >>> id(f1()) 1627215984 >>> id(f2()) 1627215984
그러나 최종 실행 결과에는 영향을 미치지 않습니다. f1()과 f2()의 실행 결과는 모두 25이며 동일한 영역을 가리키는 id()로 볼 수 있습니다.
Chestnut 2:
def count(): fs = [] for i in range(1, 4): def f(): # 返回函数f()放在循环里 return i*i fs.append(f) return fs f1, f2, f3 = count()
실제로 생각하신 것과 조금 다를 수 있습니다([1,4,9]). f() 함수는 for 루프에 배치되기 때문에 루프가 종료되어야 최종적으로 i=3의 실행 결과 9가 반환됩니다.
따라서 반환 함수는 루프 변수나 이후에 변경될 수 있는 수량을 참조하지 않는 것이 가장 좋습니다. 그럼 어떻게 수정하나요?def count(): def f(j): def g(): return j*j # 形成闭包 return g fs = [] for i in range(1, 4): fs.append(f(i)) # 一个i值进入后,f(i)立刻被执行,并加入到fs中 return fs f1, f2, f3 = count() # 返回函数g没有引用j
최종 결과: [1,4,9] 즉, f1=1 f2=4 f3=
3. 익명 함수 Lambda
정의: 익명 함수는 필요하지 않은 유형의 함수를 의미합니다. 식별자 함수 이름이나 서브루틴을 정의합니다. Python을 사용하면 람다 키워드를 사용하여 익명 함수를 만들 수 있습니다.
또는 람다 형식 매개변수 1,..., 형식 매개변수 n: 함수(형식 매개변수), 입력 매개변수 1,..., 입력 매개변수 n
참고: 1. 람다 함수는 다음을 수행할 수 있습니다. 원하는 수의 매개변수를 수신하고 단일 표현식의 값을 반환합니다.
2. Lambda는 명령을 포함할 수 없으며 둘 이상의 표현식을 반환할 수 없습니다.
장점: 1. 함수 정의 과정을 절약하고 코드를 단순화할 수 있습니다.
2. 재사용되지 않는 일부 추상 함수를 람다로 정의할 수 있습니다.
예:
>>> list( map( lambda x: x*x ,[1,2,3] ) ) [1, 4, 9]
의 기능.
lamdba x : x*x
实现的是:def f(x): return x*x
-
>>> f = lambda x:x*x >>> f(5) # 调用 >>> g = lambda x,y=2 : x*y >>> g(2,4) 8 >>> g(2) # 默认y=2 4
로그인 후 복사
-
return lambda x:x*x
로그인 후 복사
위 내용은 Python에서 클로저란 무엇입니까? 응용 프로그램은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

시끄러운 이미지를 다루는 것은 특히 휴대폰 또는 저해상도 카메라 사진에서 일반적인 문제입니다. 이 튜토리얼은 OpenCV를 사용 하여이 문제를 해결하기 위해 Python의 이미지 필터링 기술을 탐구합니다. 이미지 필터링 : 강력한 도구 이미지 필터

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

데이터 과학 및 처리가 가장 좋아하는 Python은 고성능 컴퓨팅을위한 풍부한 생태계를 제공합니다. 그러나 Python의 병렬 프로그래밍은 독특한 과제를 제시합니다. 이 튜토리얼은 이러한 과제를 탐구하며 전 세계 해석에 중점을 둡니다.

이 튜토리얼은 Python 3에서 사용자 정의 파이프 라인 데이터 구조를 작성하여 클래스 및 작업자 과부하를 활용하여 향상된 기능을 보여줍니다. 파이프 라인의 유연성은 일련의 기능을 데이터 세트, GE에 적용하는 능력에 있습니다.

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서
