從一個看似簡單的問題引入

首先我們來看這樣一個例子，假設你正試圖編寫一個函式，呼叫時可以返回0~4的平方，你選擇用for loop 和 lambda 來實現：

squares = []
for x in range(5):
    squares.append(lambda: x**2)

根據計劃，你的函式使用起來應該是這個樣子的：

>>>squares[2]()
>4
>>>squares[4]()
>16

實際上它卻是這個樣子的：

>>>squares[2]()
>16
>>>squares[4](
 
)
>16

事實上，不論輸入0、1、2、3、4，最後都會得到16。為什麼？要想解決這個疑惑，我們需要看看在這段程式碼執行的每一步中，究竟發生了什麼。

發生了什麼？

想要直觀地認識程式碼執行時的具體步驟，這裡不得不強烈推薦一個十分強大且實用的開源工具——Python Tutor。開啟網頁輸入程式碼後，只要點選Visualize Execution，即可看到程式碼逐步執行的過程。
輸入上文中的程式碼，執行後得到如下的結果：

問題出在哪兒？

從結果上看，lambda只記住了x的最後一個值4。這是由於x不是lambda的區域性變數（local variable），而是一個全域性變數（global variable）

如何解決？

問題的原因已經確定，那麼如何解決也就不困難了。直接針對作用域這個關鍵點，做細節上的調整——給lambda建立一個屬於它的區域性變數即可，直接上程式碼：

squares = []
for x in range(5):
    squares.append(lambda n=x: n**2)

可以看到，程式碼中增加了一個區域性變數n，我們再用一次

以一個稍有區別的例子結束

看到這裡，不妨做一道測試題，如果能夠答對，說明對上文講解的知識已經初步理解了。閱讀下面的程式碼，嘗試回答能夠得到怎樣的執行結果：

f_list = [lambda x: x**i for i in range(5)]
[f_list[j](10) for j in range(5)]

如果你的答案是：

[10000, 10000, 10000, 10000]

那麼恭喜你，答對了！

如果不是上面這個答案，而是：

[10, 100, 1000, 10000]

那你最好向上翻，複習一下前面講解的內容。

其實，這與前文的例子區別並不大，只不過把for loop換成了list comprehension。

注意，這裡的i既不是全域性變數，也不是區域性變數，而是介於兩者之間的nonlocal變數，這個作用域的引入也是python3相較於python2的改進之一。

其實，列表推導式與lambda聯用的功能是很強大的，尤其是在資料分析時，以後還有機會講到。

接下來，怎樣修改程式碼才能得到第二種輸出結果呢？這裡我們採用一個與之前不同的方法：

f_list = [(lambda y: lambda x: x**y)(i) for i in range(5)]
[f_list[j](10) for j in range(5)]

這樣的方法稱為柯里化（currying）。

初步理解Currying

建立函式時，常常會遇到需要多個引數的情況，而currying則是定義需要一個引數的函式，並把這個函式作為新的引數帶入下一個函式中。以此類推，最後的函式相當於直接建立一個多引數的函式。

這裡是一個小例子：

currying_sum = lambda x: lambda y: x+y
currying_plus_one = currying_sum(1)

currying_sum接收一個引數1，並且將自身作為一個新的引數傳給currying_plus_one，該函式可以將輸入引數加1並返回。

References