闭包捕获静态变量的技巧与应用
大家好,今天本人给大家带来文章《闭包捕获静态参数的使用方法》,文中内容主要涉及到,如果你对文章方面的知识点感兴趣,那就请各位朋友继续看下去吧~希望能真正帮到你们,谢谢!

本文介绍如何利用闭包在 Python 的可调用类中捕获和存储静态参数。通过 `functools.partial` 函数,我们可以创建一个新的可调用对象,该对象预先绑定了部分参数,从而实现静态参数的存储和传递,使得在类初始化时能够灵活地使用这些参数。
在 Python 中,有时我们需要为一个可调用对象(例如函数或类的 __call__ 方法)预先设置一些参数,以便在后续调用时直接使用。 这种预先设置的参数可以被认为是“静态”的,因为它们在创建可调用对象时就已经确定。 一种实现这种功能的方法是使用闭包,特别是 functools.partial 函数。
使用 functools.partial 创建闭包
functools.partial 函数允许我们创建一个新的可调用对象,该对象基于原始的可调用对象,但预先绑定了一些参数。 这意味着当我们调用新的可调用对象时,它会自动将预先绑定的参数传递给原始的可调用对象。
下面是一个示例,展示了如何使用 functools.partial 来捕获函数的静态参数:
import functools
def test_function(x, y, *, kw1):
print(x, y, kw1)
# 使用 functools.partial 捕获 test_function 的静态参数
prepared_func = functools.partial(test_function, 100, 50, kw1=20)
# 调用 prepared_func,它会自动传递预先绑定的参数
prepared_func() # 输出: 100 50 20在这个例子中,prepared_func 是一个新的可调用对象,它已经绑定了 test_function 的参数 x=100,y=50 和 kw1=20。 当我们调用 prepared_func() 时,它会自动将这些参数传递给 test_function。
应用于可调用类
这种技术同样可以应用于可调用类。 我们可以使用 functools.partial 来创建一个可调用类的实例,并预先绑定一些参数。
from typing import Callable
import functools
class Test:
def __init__(self, aux=None):
self.aux = aux
self.static_args = {} # You might want to store static args here
def func(self):
print("Hello there")
def __call__(self, fn: Callable):
if self.aux is not None:
print(f"Auxiliary argument: {self.aux}")
fn()
print("This is a test class.")
def g():
print("This is function g.")
# 预先绑定 aux 参数
TestWithAux = functools.partial(Test, aux=1)
# 创建 Test 类的实例,并传递预先绑定的 aux 参数
test = TestWithAux()
# 调用 test 实例
test(g)在这个例子中,TestWithAux 是一个新的类,它继承自 Test,并且 aux 参数已经被预先绑定为 1。 当我们创建 TestWithAux 的实例 test 时,aux=1 会自动传递给 Test 类的构造函数。
注意事项
- functools.partial 返回的是一个新的可调用对象,而不是原始对象。 因此,对新对象的修改不会影响原始对象。
- 使用 functools.partial 可以使代码更具可读性和可维护性,特别是当我们需要多次使用具有相同参数的可调用对象时。
- 如果需要动态地修改静态参数,则不适合使用functools.partial,因为它创建的是一个绑定了固定参数的新对象。 应该考虑其他方法,例如使用类的属性来存储和修改参数。
总结
通过使用 functools.partial 函数,我们可以方便地在 Python 中捕获和存储可调用对象的静态参数。 这使得我们可以创建更灵活和可重用的代码,特别是在处理可调用类时。 这种技术可以提高代码的可读性和可维护性,并减少重复代码的编写。
理论要掌握,实操不能落!以上关于《闭包捕获静态变量的技巧与应用》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Win10控制面板怎么打开和查找
- 上一篇
- Win10控制面板怎么打开和查找
- 下一篇
- CSS卡片阴影效果实现教程
-
- 文章 · python教程 | 21分钟前 | 数据校验 · python · Pydantic 部分更新 exclude_unset model_fields_set 显式空值 model_dump
- Pydantic 模型更新时区分未提供字段与显式空值
- 399浏览 收藏
-
- 文章 · python教程 | 2小时前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 4小时前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 7小时前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发 · 异常处理 · python · asyncio · CancelledError 结构化并发 ExceptionGroup Python asyncio TaskGroup asyncio gather
- asyncio TaskGroup 让并发任务在首错时一起收敛
- 246浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 自由线程程序怎样显式保护共享状态
- 337浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python Traversable importlib.resources 包内资源
- Python importlib.resources Traversable 怎么读取包内目录
- 359浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 378次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 449次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 457次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 400次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 227次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

