Scipy Hermite多项式作为Lambda函数存入列表时行为异常的解决问询

这个问题我太熟悉了！这是Python里经典的闭包变量引用陷阱——你用lambda定义函数时，它并没有在循环的每一步把当时的i值“固定”下来，而是保留了对变量i的引用。等你后续调用这些函数的时候，整个循环已经跑完了，i的值已经变成了4（也就是range(5)的最后一个元素），所以所有lambda都会调用hermite(4)(x)，结果自然全是-20.0。

给你三种靠谱的解决方法，从最简单到最通用：

方法1：直接存入hermite(i)返回的函数（最推荐） #

其实scipy.special.hermite(n)本身就会返回对应阶数的多项式函数，你完全不需要多此一举用lambda包装！直接把这些函数存入列表就好：

from scipy.special import hermite
base_funcs = [hermite(i) for i in range(5)]

# 测试一下
[f(1) for f in base_funcs]
# 输出：[1.0, 2.0, -2.0, -12.0, -20.0]

这种写法最简洁，也完全避开了变量捕获的问题，是最优解。

方法2：用默认参数绑定当前i值 #

如果你确实需要用lambda（比如后续要加额外逻辑），可以通过给lambda设置默认参数的方式，把循环时的i值绑定进去：

from scipy.special import hermite
base_funcs = [lambda x, i=i: hermite(i)(x) for i in range(5)]

[f(1) for f in base_funcs]
# 输出：[1.0, 2.0, -2.0, -12.0, -20.0]

这里的i=i是关键：在每次循环迭代时，Python会把当前的i值作为默认参数传入lambda，相当于把值“快照”在了函数定义的时刻，而不是保留对变量的引用。

方法3：用functools.partial固定参数 #

如果要处理更复杂的参数绑定场景，functools.partial是个更专业的工具，它可以帮你提前固定函数的部分参数：

from scipy.special import hermite
from functools import partial

base_funcs = [partial(hermite(i)) for i in range(5)]

[f(1) for f in base_funcs]
# 输出：[1.0, 2.0, -2.0, -12.0, -20.0]

partial(hermite(i))会直接生成一个已经绑定了阶数i的函数，用法和直接调用hermite(i)返回的函数完全一致，代码也很清晰。

随便验证几个结果：

print(base_funcs[0](1))  # 1.0，对应Hermite 0阶多项式在x=1处的值
print(base_funcs[2](1))  # -2.0，对应Hermite 2阶多项式在x=1处的值

完全符合预期。

内容的提问来源于stack exchange，提问作者Vim