Python：List Comprehensions中的Lambda函数
为什么以下两个列表parsing的输出不同，即使f和lambda函数是相同的？
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，types（f）和types（lambda x：x * x）都返回相同的types。
第一个创build一个lambda函数并调用它十次。
第二个不叫这个函数。 它创build10个不同的lambda函数。 它把所有这些放在一个列表中。 为了使它相当于你需要的第一个：
[(lambda x: x*x)(x) for x in range(10)]
或者更好的是：
[x*x for x in range(10)]
这个问题触及了“着名”和“显而易见的”Python语法的一个非常糟糕的部分 – 优先，lambda或for列表理解。
我不认为OP的目的是生成一个从0到9的方块列表。如果是这样的话，我们可以给出更多的解决scheme：
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。 问题是W（hy）TF是这个模棱两可的expression，所以反直觉？ 最后，我还有一个愚蠢的例子，所以不要太早拒绝我的回答（我在面试时曾经这样做过）。
所以，OP的理解返回了lambdas的列表：
[(lambda x: x*x) for x in range(10)]
这当然是平方函数的10个不同的副本，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 – 它们都是不同的！
你当然可以有一个更“优化”（哈哈）版本的这个expression式：
>>> [lambda x: x*x] * 3 [<function <lambda> at 0x00000000023AD2E8>, <function <lambda> at 0x00000000023AD2E8>, <function <lambda> at 0x00000000023AD2E8>]
看到？ 3次相同的 lambda。
请注意，我用_作为variables。 它与lambda的x没有任何关系（它是词法上的阴影！）。 得到它？
我正在讨论这个问题，为什么语法的优先顺序不是这样，这一切意味着：
[lambda x: (x*x for x in range(10))]
这可能是[[0, 1, 4, ..., 81]]或[(0, 1, 4, ..., 81)] ，或者我认为最合理的 ，这将是1个元素 – 一个generator返回值。 事实并非如此，语言不是这样工作的。
但是什么，如果…
如果你没有掩盖forvariables，并在你的lambda s中使用它？
那么，垃圾发生。 看这个：
[lambda x: x * i for i in range(4)]
这当然意味着：
[(lambda x: x * i) for i in range(4)]
但它并不意味着：
[(lambda x: x * 0), (lambda x: x * 1), ... (lambda x: x * 3)]
这太疯狂了！
列表理解中的lambdas是关于这个理解范围的封闭。 一个词汇封闭，所以他们指的是i通过参考，而不是它的价值，当他们被评估！
所以，这个expression式：
[(lambda x: x * i) for i in range(4)]
大致等同于：
[(lambda x: x * 3), (lambda x: x * 3), ... (lambda x: x * 3)]
我相信我们可以在这里看到更多使用python反编译器（我的意思是dis模块），但是对于Python-VM-agnostic的讨论，这已经足够了。 面试的问题非常多。
现在，如何制作一个乘法器lambdas list ，真正乘以连续的整数？ 那么，与被接受的答案类似，我们需要通过将它包装到另一个lambda ，这个lambda在列表理解expression式中被调用，
之前：
>>> a = [(lambda x: x * i) for i in (1, 2)] >>> a[1](1) 2 >>> a[0](1) 2
后：
>>> a = [(lambda y: (lambda x: y * x))(i) for i in (1, 2)] >>> a[1](1) 2 >>> a[0](1) 1
（我的外层lambdavariables也是= i ，但我决定这是更清晰的解决scheme – 我介绍了y以便我们都可以看到哪个女巫是哪个）。
最大的区别是第一个例子实际上调用lambda f(x) ，而第二个例子不是。
你的第一个例子相当于[(lambda x: x*x)(x) for x in range(10)]而第二个例子相当于[f for x in range(10)] 。
第一个
f = lambda x: x*x [f(x) for x in range(10)]
对范围中的每个值运行f() ，因此它为每个值执行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，以便生成所有这些函数。
人们给出了很好的答案，但忘了提到我认为最重要的部分：在第二个例子中，列表理解的X与lambda函数的X不是一样的，它们是完全不相关的。 所以第二个例子实际上是一样的：
[Lambda X: X*X for I in range(10)]
range(10)的内部迭代只负责在列表中创build10个类似的lambda函数（10个独立的函数，但完全相似 – 返回每个input的功率2）。
另一方面，第一个例子完全不同，因为迭代X与结果交互，对于每次迭代，值是X*X所以结果是[0,1,4,9,16,25, 36, 49, 64 ,81]
其他的答案是正确的，但是如果你正在尝试做一个函数列表，每个函数都有一个不同的参数，那么以后可以执行下面的代码：
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]
虽然这个例子很有意思，但是当我想要一个函数列表时，我发现它很有用
import functools a = [functools.partial(lambda x: print(x), x) for x in range(10)] for i in a: i()
