递归函数赋值与环境使用困惑：斐波那契函数场景解析

我正在学习《Composing Programs》中的优化知识，写了三个函数：memo实现记忆化，count是统计调用次数的包装器，fib是递归版斐波那契函数。

代码如下：

def memo(f):
    cache = {}

    def memoized(n):
        if n not in cache:
            cache[n] = f(n)
        return cache[n]

    return memoized


def count(f):
    def counted(*args):
        counted.call_count += 1
        return f(*args)

    counted.call_count = 0
    return counted


def fib(n):
    if n == 0:
        return 0
    if n == 1:
        return 1
    return fib(n - 2) + fib(n - 1)

调用时，我先把count(fib)赋值给counted_fib用来统计调用次数，之后又把fib变量重新赋值为memo(counted_fib)，不再指向原函数。

调用fib(19)时一切正常，但原函数里的递归语句return fib(n - 2) + fib(n - 1)触发的却是memo(counted_fib)版本的fib。我想不通为什么会这样，毕竟原函数是在后续赋值之前定义的。

核心原因是Python中函数内部的变量引用是动态查找的，不是在函数定义时就绑定到当时的对象上。

具体拆解整个过程：

• 原fib函数定义时，里面的fib只是一个名称，并没有和定义时的递归函数体绑定死。当代码执行到return fib(n-2)+fib(n-1)这一行时，Python会去当前作用域（这里是全局作用域）查找名为fib的对象，而非直接使用定义时的那个函数。
• 执行counted_fib = count(fib)时，counted_fib指向包装了原fib的统计函数，但此时全局的fib还是最初的递归函数。
• 当你执行fib = memo(counted_fib)后，全局名称fib的指向彻底改变——现在它指向memo返回的记忆化包装函数，不再是最初定义的递归函数。
• 调用fib(19)时，先进入记忆化函数，缓存未命中时会调用counted_fib（统计包装函数），统计函数又会调用它内部保存的原fib函数。此时原fib函数执行到递归语句，去全局查找fib，找到的就是已经被重赋值的memo(counted_fib)，所以递归调用的是这个优化后的版本。

简单来说：原函数里的fib是个“活”的名称，每次使用时才会查找当前对应的对象，而非绑定定义时的固定函数。

内容的提问来源于stack exchange，提问作者Alejandro