本文首发于：行者AI
python中什么是闭包？闭包有什么用？为什么要用闭包？今天我们就带着这3个问题来一步一步认识闭包。
闭包和函数紧密联系在一起，介绍闭包前有必要先介绍一些背景知识，诸如嵌套函数、变量的作用域等概念。
1. 作用域
作用域是程序运行时变量可被访问的范围，定义在函数内的变量是局部变量，局部变量的作用范围只能是函数内部范围内，它不能在函数外引用。
定义在模块最外层的变量是全局变量，它是全局范围内可见的，当然在函数里面也可以读取到全局变量的。而在函数外部则不可以访问局部变量。例如：
a = 1
def foo():
print(a) # 1
def foo():
print(a) # NameError: name 'num' is not defined
2. 嵌套函数
函数不仅可以定义在模块的最外层，还可以定义在另外一个函数的内部，像这种定义在函数里面的函数称之为嵌套函数（nested function）。对于嵌套函数，它可以访问到其外层作用域中声明的非局部（non-local）变量，比如代码示例中的变量a可以被嵌套函数printer 正常访问。
def foo():
#foo是外围函数
a = 1
# printer是嵌套函数
def printer():
print(a)
printer()
foo() # 1
那么有没有一种可能即使脱离了函数本身的作用范围，局部变量还可以被访问得到呢？
答案就是闭包！
我们将上述函数改成高阶函数（接受函数为参数，或者把函数作为结果返回的函数是高阶函数）的写法。
def foo():
#foo是外围函数
a = 1
# printer是嵌套函数
def printer():
print(a)
return printer
x = foo()
x() # 1
这段代码和前面例子的效果完全一样，同样输出 1。不同的地方在于内部函数 printer直接作为返回值返回了。
一般情况下，函数中的局部变量仅在函数的执行期间可用，一旦 foo() 执行过后，我们会认为变量a将不再可用。然而，在这里我们发现 foo 执行完之后，在调用x 的时候a变量的值正常输出了，这就是闭包的作用，闭包使得局部变量在函数外被访问成为可能。
3. 闭包
人们有时会把闭包和匿名函数弄混。这是有历史原因的:在函数内部定义函数 不常见，直到开始使用匿名函数才会这样做。而且，只有涉及嵌套函数时才有闭包问题。 因此，很多人是同时知道这两个概念的。
其实，闭包指延伸了作用域的函数，其中包含函数定义体中引用、但是不在定义体中定义的 非全局变量。函数是不是匿名的没有关系，关键是它能访问定义体之外定义的非全局变量。
通俗来讲闭包，顾名思义，就是一个封闭的包裹，里面包裹着自由变量，就像在类里面定义的属性值一样，自由变量的可见范围随同包裹，哪里可以访问到这个包裹，哪里就可以访问到这个自由变量。 那这个包裹是绑定在哪的呢？在上文代码追加一句打印：
def foo():
# foo是外围函数
a = 1
# printer是嵌套函数
def printer():
print(a)
return printer
x = foo()
print(x.__closure__[0].cell_contents) # 1
可以发现是在函数对象的__closure__属性中，__closure__是一个元祖对象函数负责闭包绑定，即自由变量的绑定。该属性值通常是None，如果这个函数是一个闭包的话，那么它返回的是一个由cell 对象组成的元组对象。cell 对象的cell_contents 属性就是闭包中的自由变量。这解释了为什么局部变量脱离函数之后，还可以在函数之外被访问的原因的，因为它存储在了闭包的 cell_contents中了。
4. 闭包的好处
闭包避免了使用全局变量，此外，闭包允许将函数与其所操作的某些数据（环境）关连起来。这一点与面向对象编程是非常类似的，在面对象编程中，对象允许我们将某些数据（对象的属性）与一个或者多个方法相关联。
一般来说，当对象中只有一个方法时，这时使用闭包是更好的选择。来看一个计算均值的例子，假如有个名为avg 的函数，它的作用是计算不断增加的系列值的均值;例如，整个历史中 某个商品的平均收盘价。每天都会增加新价格，因此平均值要考虑至目前为止所有的价格，如下所示：
>>> avg(10) #10.0
>>> avg(11) #10.5
>>> avg(12) #11.0
在以往，我们可以设计一个类：
class Averager():
def __init__(self):
self.series = []
def __call__(self, new_value):
self.series.append(new_value)
total = sum(self.series)
return total/len(self.series)
avg = Averager()
avg(10) #10.0
avg(11) #10.5
avg(12) #11.0
这时候我们使用闭包来实现。
def make_averager():
series = []
def averager(new_value):
series.append(new_value)
total = sum(series)
return total/len(series)
return averager
avg = make_averager()
avg(10) #10.0
avg(11) #10.5
avg(12) #11.0
调用make_averager 时，返回一个 averager 函数对象。每次调用 averager 时，它会把参数添加到列表中，然后计算当前平均值。 这比用类来实现更优雅，此外装饰器也是基于闭包的一中应用场景。
5. 闭包的坑
看了上述闭包的解释你以为闭包也不过如此？实际使用中往往在不经意间就会掉入陷阱，看看下面的例子：
def create_multipliers():
return [lambda x: x * i for i in range(5)]
for multiplier in create_multipliers():
print(multiplier(2))
# 期望输出0, 2, 4, 6, 8
# 结果是 8, 8, 8, 8, 8
我们期望是输出0, 2, 4, 6, 8。结果却是8, 8, 8, 8, 8。为什么会出现这问题呢？让我们改下代码：
def create_multipliers():
multipliers = [lambda x: x * i for i in range(5)]
print([m.__closure__[0].cell_contents for m in multipliers])
create_multipliers() # [4, 4, 4, 4, 4]
可以看到函数绑定的i值都成了4即循环后最终i的取值，这是因为Python的闭包是延迟绑定 ，这意味着闭包中用到的变量的值，是在内部函数被调用时查询得到的。
正确的使用方式是将i的值利用参数的方式进行传递：
def create_multipliers():
return [lambda x,i=i: x * i for i in range(5)]
s = create_multipliers()
for multiplier in s:
print(multiplier(2)) # 0, 2, 4, 6, 8
我们利用默认参数来传递i，同闭包一样默认参数是绑定在__defaults__属性上。
print([f.__defaults__ for f in s]) # [(0,), (1,), (2,), (3,), (4,)]