lambda，闭包，装饰器的理解和参悟_python multiply lambad 闭包-优快云博客

lambda的用法

1. lambda定义后赋值给某个对象，其本质就是对这个赋值对象的函数定义。

multiply = lambda x,y:x*y #函数一
print(multiply(2,3)) #6

def multiply(x,y): #函数二
    return x*y

如以上示例，赋值后其实就是把lambda内部的操作，取了个名字。

2. lambda，更改其他函数内部封装好的操作，比如

abs = lambda x : 'changed'
print(abs(-20)) #changed

abs本身是求绝对值的函数，但是经过lambda的赋值，将其内部封装都颠覆了，其本质是，函数名只是一个变量，它指向这个函数的操作，你也可以用其他的变量来指向这个函数的操作，要记住一点，python中一切皆是对象，如下所示，n指向了求绝对值的函数的操作，所以返回 2

n = abs
print(n(-2)) #2

3. 作为函数的返回内容，这里要详细讲一讲，首先说结论吧，返回一个匿名函数也就是lambda的本质就是闭包（closure）

def example(n):
    def f(x):
        return x%n  > 0
    return f
def example_(n):
    return lambda x: x%n > 0

上面两个函数是等价的，闭包外部函数，返回内部嵌套函数的函数名称，在上面的例子中，f就是内部嵌套函数的函数名。

我们都知道在python中，对函数的调用，其实就是函数名+（），那么对内部嵌套函数的调用呢？

答案很清晰了，就是看它嵌套的层数，上述例子中的嵌套是一层，调用它，传入两个参数即可

print(example(3)(10))
#返回 True

这样理解起来就很清晰了，很简单。

比如作用在filter中。

re = filter(example_(3),list(range(1,10)))
print(list(re))
#[1, 2, 4, 5, 7, 8]

承接上面的代码，这里过滤出了对三取模大于0的数，example_函数只要传入一个参数就好了，内部的lambda的参数由后面的list对象迭代来提供。

装饰器

先上两个结论

1.装饰器是函数

2.装饰器的本质是闭包。

装饰器的功能就是对它 “装饰” 的函数的功能进行扩展补充，补充额外的功能，它最强大的地方，在于python给了提供了

@+装饰器名称的语法糖，可以最大程度的加强代码的复用。

举个简单的例子：假设你在开发一款软件，那么这个软件肯定有很多的功能，你决定把他们每个功能不管是大小，都封装在不同的函数里来实现，那一个软件可能要包括上百个函数的封装，这个时候你想到一个日志记录的功能，你想记录每个函数调用的时间，或者你想测试函数的性能如何 —— 一个函数从运行到返回你要的结果花了多长时间，不可能你对每个函数都这样去补充一个功能（补充功能不是不可以，只是这样的功能对于你开发过程中所有的函数测试，都能用得上，如果你有100个函数，100个函数的内部封装都不一样，要添加这么复杂的代码，简直一点也不pythonic了），所以，以代码简洁著称的python就提供了装饰器这个神器。

下面写一个记录函数运行时长的装饰器，再分析它的运行原理。

import time
def time_decorator(func):
    def inner_f():
        now = time.time()
        func()
        over = time.time()
        interval = over-now
        print('共耗时%.4f秒'%interval)
    return inner_f

@time_decorator
def o():
    for i in range(1,2000):
        print(i)
    return 'over!'

#...
1998
1999
共耗时0.0145秒

使用了@语法之后，python解释器首先发现了装饰器的存在，然后将它下面的函数，也就是被装饰的函数的函数名，作为参数

传入到装饰器内部（别忘了装饰器本身也是函数！），然后解释器会自动调用装饰器返回的函数，也就是内部的嵌套函数，在例子中是 inner_f()，调用这个函数后，里面的功能就很容易读懂了！ func（）也就是被装饰的函数，在例子中是 o() 这个函数。

当然了，不管是装饰器，闭包，都有非常复杂的用法，python内部也提供了很多实用的装饰器，但不管多么复杂，只要懂得了它的原理，更深层的使用只是熟练程度上的问题。继续进步吧~