Inhaltsverzeichnis
Lokale Variablen in verschachtelten Funktionen
Verstehen des Schließungsverhaltens
Abhilfemaßnahmen
Heim Backend-Entwicklung Python-Tutorial Warum greift meine verschachtelte Funktion in Python nur auf den letzten Wert einer Schleifenvariablen zu?

Warum greift meine verschachtelte Funktion in Python nur auf den letzten Wert einer Schleifenvariablen zu?

Dec 18, 2024 am 12:47 AM

Why does my nested function in Python only access the last value of a loop variable?

Lokale Variablen in verschachtelten Funktionen

Verschachtelte Funktionen bieten eine praktische Möglichkeit, Code zu organisieren und Funktionalität in einem breiteren Kontext zu kapseln. Das Verständnis, wie Variablen in verschachtelten Bereichen behandelt werden, kann Entwickler jedoch oft verwirren.

Betrachten Sie den folgenden Codeausschnitt:

class Cage(object):
    def __init__(self, animal):
        self.animal = animal

def get_petters():
    for animal in ['cow', 'dog', 'cat']:
        cage = Cage(animal)

        def pet_function():
            print("Mary pets the " + cage.animal + ".")

        yield (animal, cage.animal)
Nach dem Login kopieren

In diesem Beispiel iteriert eine Generatorfunktion get_petters() durch a Liste der Tiere, erstellt für jedes Tier ein Cage-Objekt und liefert ein Tupel mit dem Namen des Tieres und einer verschachtelten Funktion, die versucht, lokal auf den Käfig zuzugreifen Variable.

Beim Ausführen dieses Codes erwarten Sie möglicherweise, dass drei verschiedene Tiere gedruckt werden, entsprechend den drei verschiedenen Instanzen der Käfigvariable. Die Ausgabe ergibt jedoch wiederholt nur „Mary streichelt die Katze“.

Verstehen des Schließungsverhaltens

Der Kern des Problems liegt in der Natur der Schließung in Python. Wenn verschachtelte Funktionen definiert werden, erfassen sie Verweise auf die Variablen in ihrem umschließenden Bereich. Im bereitgestellten Code ist die pet_function in der Funktion get_petters() verschachtelt und hat somit Zugriff auf die Käfigvariable.

Diese Referenz wird jedoch zum Zeitpunkt der Funktionsdefinition nicht hergestellt. Stattdessen tritt es zum Zeitpunkt der Funktionsausführung auf. Zum Zeitpunkt der Ausführung der verschachtelten Funktionen wurde der Käfigvariablen bereits der Wert „Katze“ zugewiesen, während sie die Liste der Tiere durchläuft.

Abhilfemaßnahmen

Um dieses Problem zu beheben, kann man Folgendes tun Verfolgen Sie mehrere Ansätze:

1. Teilfunktionen:

Eine Teilfunktion ist eine aufrufbare Funktion, die eine vorhandene Funktion umschließt und einige ihrer Argumente mit voreingestellten Werten initialisiert. In diesem Fall können Sie functools.partial() verwenden, um eine partielle Haustierfunktion zu erstellen, die die Käfigvariable an den entsprechenden Kontext bindet:

def pet_function(cage=None):
    print("Mary pets the " + cage.animal + ".")

yield (animal, partial(pet_function, cage=cage))
Nach dem Login kopieren

2. Neue Bereiche erstellen:

Eine weitere Option besteht darin, die Haustierfunktion innerhalb eines verschachtelten Bereichs zu definieren, der sicherstellt, dass die Käfigvariable immer lokal an den richtigen Wert gebunden ist:

def scoped_cage(cage=None):
    def pet_function():
        print("Mary pets the " + cage.animal + ".")
    return pet_function

yield (animal, partial(pet_function, cage))
Nach dem Login kopieren

3. Standard-Schlüsselwortparameter:

Sie können die Cage-Variable auch als Standard-Schlüsselwortargument an die Haustierfunktion übergeben:

def pet_function(cage=cage):
    print("Mary pets the " + cage.animal + ".")

yield (animal, partial(pet_function))
Nach dem Login kopieren

Durch die Einhaltung dieser Techniken können Sie eine Verschachtelung sicherstellen Funktionen arbeiten mit den erwarteten lokalen Variablen, wodurch unerwartete Nebenwirkungen vermieden und die Codeklarheit gewahrt bleibt.

Das obige ist der detaillierte Inhalt vonWarum greift meine verschachtelte Funktion in Python nur auf den letzten Wert einer Schleifenvariablen zu?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

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

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
<🎜> obscur: Expedition 33 - So erhalten Sie perfekte Chroma -Katalysatoren
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1676
14
PHP-Tutorial
1278
29
C#-Tutorial
1257
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

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.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

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 vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

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 vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

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.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

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

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

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.

Python für wissenschaftliches Computer: Ein detailliertes Aussehen Python für wissenschaftliches Computer: Ein detailliertes Aussehen Apr 19, 2025 am 12:15 AM

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.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

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

See all articles