(几个月后)一个很小的真实例子，lambda是有用的，而partial不是: 假设你想要通过一个二维函数得到不同的一维截面， 就像一排山的切片。 Quadf (x, f)取1-d的f，并对各种x进行调用。 y = -1 0 1处的垂直切面和x = -1 0 1处的水平切面，

fx1 = quadf( x, lambda x: f( x, 1 ))
fx0 = quadf( x, lambda x: f( x, 0 ))
fx_1 = quadf( x, lambda x: f( x, -1 ))
fxy = parabola( y, fx_1, fx0, fx1 )

f_1y = quadf( y, lambda y: f( -1, y ))
f0y = quadf( y, lambda y: f( 0, y ))
f1y = quadf( y, lambda y: f( 1, y ))
fyx = parabola( x, f_1y, f0y, f1y )

据我所知，partial做不到

quadf( y, partial( f, x=1 ))
TypeError: f() got multiple values for keyword argument 'x'

(如何添加标签numpy, partial, lambda到这个?)

你是这个意思吗?

def perform(fun, *args):
    fun(*args)

def action1(args):
    # something

def action2(args):
    # something

perform(action1)
perform(action2, p)
perform(action3, p, r)

你可以像这样使用functools中的partial函数。

from functools import partial

def perform(f):
    f()

perform(Action1)
perform(partial(Action2, p))
perform(partial(Action3, p, r))

也适用于关键字

perform(partial(Action4, param1=p))

这里有一个闭包的方法:

    def generate_add_mult_func(func):
        def function_generator(x):
            return reduce(func,range(1,x))
        return function_generator

    def add(x,y):
        return x+y

    def mult(x,y):
        return x*y

    adding=generate_add_mult_func(add)
    multiplying=generate_add_mult_func(mult)

    print adding(10)
    print multiplying(10)

尽管所有的回答都非常准确，解释得很好。 我想澄清一下，你也可以传递匿名函数。

def perform(fun, *arg):
    return fun(*arg)

# Pass anonymous function
print(perform(lambda x: x + 1, 3)) # output: 4
print(perform(lambda x, y: x + y + 1, 3, 2)) # output: 6

# Pass defined function
perform(lambda: action1())
perform(lambda: action2(p))
perform(lambda: action3(p, r))

这被称为部分函数，至少有3种方法。我最喜欢的方法是使用lambda，因为它避免了对额外包的依赖，而且最不冗长。假设你有一个函数add(x, y)，你想把add(3, y)作为参数传递给另一个函数，这样另一个函数就可以决定y的值。

使用λ

# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# run example
def main():
    f = lambda y: add(3, y)
    result = runOp(f, 1) # is 4

创建自己的包装器

这里需要创建一个返回偏函数的函数。这显然啰嗦得多。

# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# declare partial function
def addPartial(x):
    def _wrapper(y):
        return add(x, y)
    return _wrapper

# run example
def main():
    f = addPartial(3)
    result = runOp(f, 1) # is 4

使用functools中的partial

这与上面显示的lambda几乎相同。那我们为什么需要这个?原因很少。简而言之，partial在某些情况下可能更快一些(请参阅它的实现)，您可以将它用于早期绑定而不是lambda的晚期绑定。

from functools import partial

# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# run example
def main():
    f = partial(add, 3)
    result = runOp(f, 1) # is 4