在Python中使用闭包和动态定义的函数是一种自然的设计模式吗？
我发现，对我来说，定义要求用户定义然后传入另一个函数的函数是一种非常自然的设计模式。比如说,在Python中使用闭包和动态定义的函数是一种自然的设计模式吗？,python,design-patterns,functional-programming,multiprocessing,Python,Design Patterns,Functional Programming,Multiprocessing,我发现，对我来说，定义要求用户定义然后传入另一个函数的函数是一种非常自然的设计模式。比如说, def gradient_descent(x0, grad_f): x = x0 for _ in range(100): x -= 0.1 * grad_f(x) return x 实现一个通用的梯度下降程序；用户所要做的就是定义f的梯度函数。这基本上就是scipy.optimize使用的接口，我编写的程序倾向于以类似的方式使用各种函数闭包和动态定义的函数 然
def gradient_descent(x0, grad_f):
x = x0
for _ in range(100):
x -= 0.1 * grad_f(x)
return x
这是Python中的自然设计模式吗？有没有更好的方法来设计可能需要重构以使用多个进程的程序？这是完美的Pythonic，但您必须为闭包编写pickler Python不会自动为您完成这项工作，因为您可能需要一些不同的选项。特别是，你必须决定你想“伪造封闭性”的程度。是否只希望复制捕获的值？还是要复制整个堆栈帧并从中捕获单元格？或者您是否希望实际插入
管理器pickle但好消息是，你想要的很可能是你所做的，或者你所做的 一般而言：
尽量做到便携，这样你就可以将pickle保存到磁盘上，以后再使用，即使这意味着一些你可能不关心的事情在封面下略有不同dill
尝试尽可能精确，即使这意味着pickle只能在流程的精确克隆中工作。如果两者都不是您想要的，那么您当然可以查看它们的源代码，并找出如何完全实现您想要的cloudpickle
下面是一个简单的结尾：
def f():
def g(): return i
i=1
return g
g = f()
>>> pickle.dumps(g)
AttributeError: Can't pickle local object 'f.<locals>.g'
>>> dill.loads(dill.dumps(g))
<function __main__.g>
>>> dill.loads(dill.dumps(g)).__closure__
(<cell at 0x108819618: int object at 0x1009e0980>,)
>>> dill.loads(dill.dumps(g))()
1
>>> cloudpickle.loads(cloudpickle.dumps(g))
<function __main__.f.<locals>.g>
>>> cloudpickle.loads(cloudpickle.dumps(g)).__closure__
(<cell at 0x108819618: int object at 0x1009e0980>,)
>>> cloudpickle.loads(cloudpickle.dumps(g))()
1
请注意，它们最终都会生成一个闭包，捕获一个引用值1的单元格，但是
cloudpickledillpickle.dumpsggpickle.dumps\uuuuu call\uuuupartial