一种整理i作用域的方法是在另一个作用域(一个闭包函数)中生成lambda，传递必要的参数以生成lambda:

def get_funky(i):
    return lambda a: i+a

adders=[None, None, None, None]

for i in [0,1,2,3]:
   adders[i]=get_funky(i)

print(*(ar(5) for ar in adders))

当然是给5 6 7 8。

闭包究竟捕获了什么?

Python中的闭包使用词法作用域:它们记住创建闭包变量的名称和作用域。但是，它们仍然是后期绑定:在使用闭包中的代码时查找名称，而不是在创建闭包时查找。由于示例中的所有函数都是在相同的作用域中创建的，并使用相同的变量名，因此它们总是引用相同的变量。

至少有两种方法可以获得早期绑定:

The most concise, but not strictly equivalent way is the one recommended by Adrien Plisson. Create a lambda with an extra argument, and set the extra argument's default value to the object you want preserved. More verbosely but also more robustly, we can create a new scope for each created lambda: >>> adders = [0,1,2,3] >>> for i in [0,1,2,3]: ... adders[i] = (lambda b: lambda a: b + a)(i) ... >>> adders[1](3) 4 >>> adders[2](3) 5 The scope here is created using a new function (another lambda, for brevity), which binds its argument, and passing the value you want to bind as the argument. In real code, though, you most likely will have an ordinary function instead of the lambda to create the new scope: def createAdder(x): return lambda y: y + x adders = [createAdder(i) for i in range(4)]

为了完整起见，第二个问题的另一个答案是:你可以在functools模块中使用partial。

使用Chris Lutz提出的import add from操作符，示例变成:

from functools import partial
from operator import add   # add(a, b) -- Same as a + b.

adders = [0,1,2,3]
for i in [0,1,2,3]:
    # store callable object with first argument given as (current) i
    adders[i] = partial(add, i) 

print adders[1](3)

你可以使用一个默认值的参数强制捕获一个变量:

>>> for i in [0,1,2,3]:
...    adders[i]=lambda a,i=i: i+a  # note the dummy parameter with a default value
...
>>> print( adders[1](3) )
4

其思想是声明一个参数(巧妙地命名为i)，并为它提供您想要捕获的变量的默认值(i的值)

下面是一个新示例，它突出显示了闭包的数据结构和内容，以帮助阐明何时“保存”封闭上下文。

def make_funcs():
    i = 42
    my_str = "hi"

    f_one = lambda: i

    i += 1
    f_two = lambda: i+1

    f_three = lambda: my_str
    return f_one, f_two, f_three

f_1, f_2, f_3 = make_funcs()

闭包中包含什么?

>>> print f_1.func_closure, f_1.func_closure[0].cell_contents
(<cell at 0x106a99a28: int object at 0x7fbb20c11170>,) 43 

值得注意的是，my_str不在f1的闭包中。

f2的闭包里有什么?

>>> print f_2.func_closure, f_2.func_closure[0].cell_contents
(<cell at 0x106a99a28: int object at 0x7fbb20c11170>,) 43

注意(从内存地址)两个闭包包含相同的对象。所以，你可以开始认为函数有一个作用域的引用。然而，my_str不在f_1或f_2的闭包中，i也不在f_3的闭包中(未显示)，这表明闭包对象本身是不同的对象。

闭包对象本身是相同的对象吗?

>>> print f_1.func_closure is f_2.func_closure
False

考虑下面的代码:

x = "foo"

def print_x():
    print x

x = "bar"

print_x() # Outputs "bar"

我想大多数人都不会感到困惑。这是预期的行为。

那么，为什么人们认为在循环中完成会有所不同呢?我知道我自己犯了那个错误，但我不知道为什么。是循环吗?或者是?

毕竟，循环只是一个更短的版本:

adders= [0,1,2,3]
i = 0
adders[i] = lambda a: i+a
i = 1
adders[i] = lambda a: i+a
i = 2
adders[i] = lambda a: i+a
i = 3
adders[i] = lambda a: i+a