


Warum verhält sich der „is'-Operator bei großen Ganzzahlen innerhalb und außerhalb von Funktionen in Python unterschiedlich?
Unerwartetes Verhalten des Is-Operators mit großen ganzen Zahlen in Funktionen
Beim Experimentieren mit Pythons Interpreter wurde eine merkwürdige Diskrepanz bezüglich des is entdeckt Operator.
Wenn die Auswertung innerhalb einer Funktion durchgeführt wird, gibt sie True zurück, aber wenn sie extern durchgeführt wird, ist das Ergebnis False.
<br>def func():</p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">a = 1000 b = 1000 return a is b
a = 1000
b = 1000
a is b, func()
>(False, True)
Da der is-Operator beurteilt Die IDs des Objekts. Dies zeigt an, dass sich a und b innerhalb der Funktion func auf dieselbe ganzzahlige Instanz beziehen, während außerhalb der Funktion Sie beziehen sich auf verschiedene Objekte.
Erläuterung
Wie im Referenzhandbuch vermerkt:
Ein Block ist ein Teil des Python-Programmtextes, der als ausgeführt wird eine Einheit.
Die folgenden Blöcke sind: ein Modul, ein Funktionskörper und eine Klassendefinition.
Jeder interaktiv eingegebene Befehl ist ein Block.
< /blockquote>In einer Funktion also ein Single Der Codeblock enthält ein einzelnes numerisches Literalobjekt, z. B. 1000, was zu True für id(a) == id(b) führt.
In Im zweiten Fall sind separate Codeobjekte vorhanden, jedes mit seinem numerischen Literal für 1000, was verursacht id(a) != id(b).
Wichtig ist, dass dieses Verhalten nicht nur auf ganzzahlige Literale beschränkt ist; Vergleichbare Ergebnisse werden mit Float-Literalen beobachtet (siehe hier).
Denken Sie daran, den Gleichheitsoperator (==) zum Vergleichen von Objekten zu verwenden, niemals den Identitätsoperator (is).
Dieses Wissen bezieht sich auf CPython, die primäre Implementierung von Python. Alternative Implementierungen können ein unterschiedliches Verhalten aufweisen.
Codeanalyse
Zum besseren Verständnis überprüfen wir dieses Verhalten mithilfe von Code Objektanalyse.
Funktion func:
Funktionsobjekte haben ein code-Attribut, das den kompilierten Bytecode offenlegt. dis.code_info stellt diese Daten prägnant dar:
<br>print(dis.code_info(func))<br>Name: func<br>Dateiname: <stdin><br>Argumentanzahl: 0<br>Nur-KW-Argumente: 0 <br>Anzahl der Einheimischen: 2<br>Stapelgröße: 2<br>Flags: OPTIMIZED, NEWLOCALS, NOFREE<br>Konstanten:<br> 0: Keine<br> 1: 1000<br>Variablennamen:<br> 0: a<br> 1: b<br>Der Konstanteneintrag zeigt, dass die Konstanten None (immer vorhanden) und 1000 sind. Es gibt also eine int-Instanz, die 1000 darstellt. a und b verweisen auf dieses eine Objekt.
Interaktive Befehle:
Jeder Befehl ist ein Codeblock, der unabhängig analysiert, kompiliert und ausgewertet wird:
<br>com1 = compile("a=1000", filename="", mode="single ")<br>com2 = compile("b=1000", filename="", mode="single")<br>Das Codeobjekt für jede Zuweisung sieht ähnlich aus, aber entscheidend, com1 und com2 haben separate int-Instanzen für 1000, was zu False für id(com1.co_consts[0]) == id(com2.co_consts[0]) führt. p>
Unterschiedliche Codeobjekte, unterschiedliche Inhalte.
Vorbehalte
Verkettete Anweisungen: Auswertung von a = 1000; b = 1000 ergibt True Identität, da diese verketteten Zuweisungen in einem Codeblock kompiliert werden und eine Instanz von 1000 erzeugen.
Modulebene : Die Ausführung auf Modulebene (im Referenzhandbuch angegeben) ergibt aufgrund eines einzelnen Codeobjekts ebenfalls „True“.
Veränderliche Objekte: Identitätsprüfungen schlagen für veränderbare Objekte fehl, es sei denn, sie werden explizit auf dasselbe Objekt initialisiert (z. B. a = b = []).
Das obige ist der detaillierte Inhalt vonWarum verhält sich der „is'-Operator bei großen Ganzzahlen innerhalb und außerhalb von Funktionen in Python unterschiedlich?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code
