如何在循环中生成带硬编码系数的唯一命名系数函数？

我在解决含时哈密顿量相关的物理问题，需要使用如下形式的单参数系数函数：

def coeff(t):
    return 0.3*np.exp(t)

由于求解器限制，系数函数必须是这种仅接收t参数的形式，不能额外传参。函数中的系数（比如示例里的0.3）来自一个n×n矩阵。处理2×2规模时，我手动写了coeff_00、coeff_01、coeff_10、coeff_11四个函数，但规模变大后这种方式太繁琐。

我尝试用循环批量创建函数：

for i in range(4):
    for k in range(4):
        def fn(x):
            return A[i][k]*np.exp(x)
        
        globals()[f"n{i}{k}"] = fn

但问题是，函数里的A[i][k]会在调用时才求值，而不是定义时就把当前循环的i、k对应的系数硬编码进去，导致所有生成的函数最后都用了循环结束时的i、k值。

我知道理想形式是fn(x, i, k)，但这需要大量重构求解器，想避免这种情况。

核心问题是循环变量i、k在函数调用时才会被求值，而非定义时。以下几种方法可以将当前循环的A[i][k]值固定绑定到函数内部：

方法1：闭包捕获当前值 #

通过嵌套函数，将当前系数值传入内层函数，确保函数定义时就捕获到该值：

for i in range(4):
    for k in range(4):
        def make_coeff(coeff_val):
            def fn(x):
                return coeff_val * np.exp(x)
            return fn
        
        globals()[f"n{i}{k}"] = make_coeff(A[i][k])

方法2：用functools.partial绑定参数 #

借助functools.partial将系数值预先绑定到通用基础函数上，返回的可调用对象符合单参数要求：

from functools import partial

def base_coeff(coeff_val, x):
    return coeff_val * np.exp(x)

for i in range(4):
    for k in range(4):
        globals()[f"n{i}{k}"] = partial(base_coeff, A[i][k])

方法3：lambda默认参数绑定 #

利用lambda的默认参数赋值时机（定义时），直接固定当前系数值：

for i in range(4):
    for k in range(4):
        globals()[f"n{i}{k}"] = lambda x, val=A[i][k]: val * np.exp(x)

内容的提问来源于stack exchange，提问作者CW789