从pd.DataFrame创建lambda函数字典时的结果异常问题排查

场景说明 #

有一个校准曲线参数文件dummy_calcurve.csv，内容如下：

repeat,method,slope,intercept
a,linear,2,3
b,linear,4,5

想要生成一个字典calcurve，每个键对应一个lambda函数，通过calcurve['a'](x)完成对应条件下的校准计算。编写的代码及输出如下：

calcurve = {}
ccs = pd.read_csv('dummy_calcurve.csv', index_col=0)
for repeat in ccs.index:
    slope = ccs.slope[repeat]
    intercept = ccs.intercept[repeat]
    print(repeat, slope, intercept)
    calcurve[repeat] = lambda x : slope * x + intercept
print(calcurve['a'](0))
print(calcurve['b'](0))

输出结果：

a 2 3
b 4 5
5
5

预期输出是3和5，但实际两个lambda函数都使用了第二组（'b'）的参数，中间打印的参数却是正确的，问题出在哪里？

原因分析 #

Lambda函数采用延迟绑定机制：它不会在定义时捕获slope和intercept的当前值，而是在调用时才去查找这两个变量的当前引用。当循环结束后，slope和intercept已经被更新为最后一次循环的取值（即'b'组的4和5），所以两个lambda函数调用时都会使用这组值，导致结果不符合预期。

解决办法 #

方法1：使用默认参数捕获当前值 #

在定义lambda时，把slope和intercept作为默认参数，这样就能在定义时捕获当前循环的变量值：

calcurve = {}
ccs = pd.read_csv('dummy_calcurve.csv', index_col=0)
for repeat in ccs.index:
    slope = ccs.slope[repeat]
    intercept = ccs.intercept[repeat]
    print(repeat, slope, intercept)
    calcurve[repeat] = lambda x, s=slope, i=intercept : s * x + i
print(calcurve['a'](0))  # 输出3
print(calcurve['b'](0))  # 输出5

方法2：使用函数工厂创建闭包 #

通过一个外部函数来生成lambda，利用闭包特性捕获当前循环的变量值：

def create_cal_func(slope, intercept):
    return lambda x: slope * x + intercept

calcurve = {}
ccs = pd.read_csv('dummy_calcurve.csv', index_col=0)
for repeat in ccs.index:
    slope = ccs.slope[repeat]
    intercept = ccs.intercept[repeat]
    print(repeat, slope, intercept)
    calcurve[repeat] = create_cal_func(slope, intercept)
print(calcurve['a'](0))  # 输出3
print(calcurve['b'](0))  # 输出5

内容的提问来源于stack exchange，提问作者Ben Zeen