Inhaltsverzeichnis
1. Einfacher führender Unterstrich: _var
2. Single-End-Unterstrich var_
3. Doppelter führender Unterstrich __var
4.双前导和双末尾下划线 _var_
5.单下划线 _
Heim Backend-Entwicklung Python-Tutorial Welche Bedeutung und Verwendung haben Unterstriche in Python?

Welche Bedeutung und Verwendung haben Unterstriche in Python?

Apr 20, 2023 pm 08:04 PM
python

1. Einfacher führender Unterstrich: _var

Wenn es um Variablen- und Methodennamen geht, hat der einzelne Unterstrich-Präfix eine konventionelle Bedeutung. Es ist eine Erinnerung an Programmierer – das heißt, dass sich die Python-Community darüber einig ist, was es bedeuten soll, das Verhalten des Programms jedoch nicht beeinträchtigt wird.

Die Bedeutung des Unterstrich-Präfixes besteht darin, andere Programmierer darüber zu informieren, dass Variablen oder Methoden, die mit einem einzelnen Unterstrich beginnen, nur für den internen Gebrauch bestimmt sind. Diese Konvention ist in PEP 8 definiert.

Dies wird von Python nicht vorgeschrieben. Python kennt keine strenge Unterscheidung zwischen „privaten“ und „öffentlichen“ Variablen wie Java. Es ist, als hätte jemand ein kleines Unterstrich-Warnschild angebracht, auf dem steht:

„Hey, das ist eigentlich nicht dafür gedacht, Teil der öffentlichen Schnittstelle der Klasse zu sein. Lass es einfach in Ruhe.“

2. Single-End-Unterstrich var_

Manchmal ist der am besten geeignete Name für eine Variable bereits durch ein Schlüsselwort belegt. Daher können Namen wie class oder def in Python nicht als Variablennamen verwendet werden. In diesem Fall können Sie den Namenskonflikt lösen, indem Sie einen Unterstrich anhängen:

>>> def make_object(name, class):
SyntaxError: "invalid syntax"

>>> def make_object(name, class_):
...    pass
Nach dem Login kopieren

Kurz gesagt, ein einzelner nachfolgender Unterstrich (Suffix) ist eine Konvention, um Namenskonflikte mit Python-Schlüsselwörtern zu vermeiden. PEP 8 erklärt diese Konvention.

3. Doppelter führender Unterstrich __var

Die Bedeutung aller bisher behandelten Namensmuster ergibt sich aus vereinbarten Konventionen. Bei Python-Klassenattributen (einschließlich Variablen und Methoden), die mit einem doppelten Unterstrich beginnen, ist die Situation etwas anders.

Das doppelte Unterstrich-Präfix veranlasst den Python-Interpreter, Eigenschaftsnamen neu zu schreiben, um Namenskonflikte in Unterklassen zu vermeiden.

Dies wird auch Namensmangling genannt – der Interpreter ändert den Namen der Variablen, sodass es weniger wahrscheinlich zu Konflikten kommt, wenn die Klasse erweitert wird.

Ich weiß, das klingt abstrakt. Deshalb habe ich zur Veranschaulichung ein kleines Codebeispiel zusammengestellt:

class Test:
   def __init__(self):
       self.foo = 11
       self._bar = 23
       self.__baz = 23
Nach dem Login kopieren

Schauen wir uns die Eigenschaften dieses Objekts mit der integrierten dir()-Funktion an:

>>> t = Test()
>>> dir(t)
['_Test__baz', '__class__', '__delattr__', '__dict__', '__dir__',
'__doc__', '__eq__', '__format__', '__ge__', '__getattribute__',
'__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__',
'__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__',
'__setattr__', '__sizeof__', '__str__', '__subclasshook__',
'__weakref__', '_bar', 'foo']
Nach dem Login kopieren

Oben ist die Liste der Eigenschaften dieses Objekts. Werfen wir einen Blick auf diese Liste und suchen nach unseren ursprünglichen Variablennamen foo, _bar und __baz – ich garantiere Ihnen, dass Sie einige interessante Änderungen bemerken werden. foo,_bar__baz - 我保证你会注意到一些有趣的变化。

self.foo变量在属性列表中显示为未修改为foo。self._bar的行为方式相同 - 它以_bar的形式显示在类上。 就像我之前说过的,在这种情况下,前导下划线仅仅是一个约定。 给程序员一个提示而已。然而,对于self.__baz而言,情况看起来有点不同。 当你在该列表中搜索__baz时,你会看不到有这个名字的变量。

__baz出什么情况了?

如果你仔细观察,你会看到此对象上有一个名为_Test__baz的属性。 这就是Python解释器所做的名称修饰。 它这样做是为了防止变量在子类中被重写。

让我们创建另一个扩展Test类的类,并尝试重写构造函数中添加的现有属性:

class ExtendedTest(Test):
   def __init__(self):
       super().__init__()
       self.foo = 'overridden'
       self._bar = 'overridden'
       self.__baz = 'overridden'
Nach dem Login kopieren

现在,你认为foo,_bar__baz的值会出现在这个ExtendedTest类的实例上吗? 我们来看一看:

>>> t2 = ExtendedTest()
>>> t2.foo
'overridden'
>>> t2._bar
'overridden'
>>> t2.__baz
AttributeError: "'ExtendedTest' object has no attribute '__baz'"
Nach dem Login kopieren

等一下,当我们尝试查看t2 .__ baz的值时,为什么我们会得到AttributeError? 名称修饰被再次触发了! 事实证明,这个对象甚至没有__baz属性:

>>> dir(t2)
['_ExtendedTest__baz', '_Test__baz', '__class__', '__delattr__',
'__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__',
'__getattribute__', '__gt__', '__hash__', '__init__', '__le__',
'__lt__', '__module__', '__ne__', '__new__', '__reduce__',
'__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__', '__weakref__', '_bar', 'foo', 'get_vars']
Nach dem Login kopieren

正如你可以看到__baz变成_ExtendedTest__baz以防止意外修改:

>>> t2._ExtendedTest__baz
'overridden'
Nach dem Login kopieren

但原来的_Test__baz还在:

>>> t2._Test__baz
42
Nach dem Login kopieren

双下划线名称修饰对程序员是完全透明的。 下面的例子证实了这一点:

class ManglingTest:
   def __init__(self):
       self.__mangled = 'hello'

   def get_mangled(self):
       return self.__mangled

>>> ManglingTest().get_mangled()
'hello'
>>> ManglingTest().__mangled
AttributeError: "'ManglingTest' object has no attribute '__mangled'"
Nach dem Login kopieren

名称修饰是否也适用于方法名称? 是的,也适用。名称修饰会影响在一个类的上下文中,以两个下划线字符("dunders")开头的所有名称:

class MangledMethod:
   def __method(self):
       return 42

   def call_it(self):
       return self.__method()

>>> MangledMethod().__method()
AttributeError: "'MangledMethod' object has no attribute '__method'"
>>> MangledMethod().call_it()
42
Nach dem Login kopieren

这是另一个也许令人惊讶的运用名称修饰的例子:

_MangledGlobal__mangled = 23

class MangledGlobal:
   def test(self):
       return __mangled

>>> MangledGlobal().test()
23
Nach dem Login kopieren

在这个例子中,我声明了一个名为_MangledGlobal__mangled的全局变量。然后我在名为MangledGlobal的类的上下文中访问变量。由于名称修饰,我能够在类的test()方法内,以__mangled来引用_MangledGlobal__mangled全局变量。

Python解释器自动将名称__mangled扩展为_MangledGlobal__mangled

Die Variable self.foo erscheint unverändert als foo in der Eigenschaftenliste. self._bar verhält sich genauso – es erscheint in der Klasse als _bar. Wie ich bereits sagte, ist der führende Unterstrich in diesem Fall nur eine Konvention. Nur ein Hinweis für Programmierer. Für self.__baz sieht die Sache jedoch etwas anders aus. Wenn Sie in dieser Liste nach __baz suchen, wird keine Variable mit diesem Namen angezeigt.

Was ist mit __baz passiert?

Wenn Sie genau hinsehen, werden Sie feststellen, dass es für dieses Objekt eine Eigenschaft namens _Test__baz gibt. Dies ist eine vom Python-Interpreter durchgeführte Namensverfälschung. Dies geschieht, um zu verhindern, dass Variablen in Unterklassen überschrieben werden.

Lassen Sie uns eine weitere Klasse erstellen, die die Testklasse erweitert, und versuchen, die im Konstruktor hinzugefügten vorhandenen Eigenschaften zu überschreiben: 🎜
class PrefixPostfixTest:
   def __init__(self):
       self.__bam__ = 42

>>> PrefixPostfixTest().__bam__
42
Nach dem Login kopieren
Nach dem Login kopieren
🎜Jetzt denken Sie, foo, _bar und __baz</code werden der Wert sein of code> auf dieser Instanz der ExtendedTest-Klasse erscheinen? Werfen wir einen Blick darauf: 🎜<div class="code" style="position:relative; padding:0px; margin:0px;"><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:php;toolbar:false;'>&gt;&gt;&gt; for _ in range(32): ... print(&amp;#39;Hello, World.&amp;#39;)</pre><div class="contentsignin">Nach dem Login kopieren</div></div><div class="contentsignin">Nach dem Login kopieren</div></div>🎜Moment mal, warum erhalten wir einen AttributeError, wenn wir versuchen, den Wert von <code>t2.__baz anzuzeigen? Namensänderung wird erneut ausgelöst! Es stellt sich heraus, dass dieses Objekt nicht einmal ein __baz-Attribut hat: 🎜
>>> car = (&#39;red&#39;, &#39;auto&#39;, 12, 3812.4)
>>> color, _, _, mileage = car

>>> color
&#39;red&#39;
>>> mileage
3812.4
>>> _
12
Nach dem Login kopieren
Nach dem Login kopieren
🎜 Wie Sie sehen können, wird __baz zu _ExtendedTest__baz, um versehentliche Änderungen zu verhindern : 🎜
>>> 20 + 3
23
>>> _
23
>>> print(_)
23

>>> list()
[]
>>> _.append(1)
>>> _.append(2)
>>> _.append(3)
>>> _
[1, 2, 3]
Nach dem Login kopieren
Nach dem Login kopieren
🎜Aber der ursprüngliche _Test__baz ist immer noch da: 🎜rrreee🎜Die Namensdekoration mit doppeltem Unterstrich ist für Programmierer völlig transparent. Das folgende Beispiel bestätigt dies: 🎜rrreee🎜Gilt die Namensdekoration auch für Methodennamen? Ja, das gilt auch. Die Namensdekoration betrifft alle Namen, die im Kontext einer Klasse mit zwei Unterstrichen ("dunders") beginnen: 🎜rrreee🎜 Dies ist ein weiteres, vielleicht überraschendes Beispiel für die Verwendung der Namensdekoration :🎜rrreee 🎜In diesem Beispiel habe ich eine globale Variable namens _MangledGlobal__mangled deklariert. Dann greife ich im Kontext einer Klasse namens MangledGlobal auf die Variable zu. Aufgrund des Namens mangling kann ich innerhalb der test()-Methode der Klasse auf die globale Variable _MangledGlobal__mangled als __mangled verweisen. 🎜🎜Der Python-Interpreter erweitert den Namen __mangled automatisch zu _MangledGlobal__mangled, da er mit zwei Unterstrichen beginnt. Dies weist darauf hin, dass die Namensdekoration nicht speziell mit Klassenattributen verknüpft ist. Es funktioniert für jeden Namen, der mit zwei Unterstrichen beginnt und in einem Klassenkontext verwendet wird. 🎜🎜Es gibt viel zu absorbieren. 🎜🎜Ganz ehrlich, diese Beispiele und Erklärungen sind mir nicht einfach so aus dem Kopf gegangen. Ich brauchte einige Recherche- und Verarbeitungsschritte, um darauf zu kommen. Ich habe Python immer und schon seit vielen Jahren verwendet, aber Regeln und Sonderfälle wie diese fallen mir nicht immer ein. 🎜🎜Manchmal ist die wichtigste Fähigkeit eines Programmierers die „Mustererkennung“ und das Wissen, wo er nach Informationen suchen muss. Wenn Sie sich zu diesem Zeitpunkt etwas überfordert fühlen, machen Sie sich keine Sorgen. Nehmen Sie sich Zeit und probieren Sie einige der Beispiele in diesem Artikel aus. 🎜

让这些概念完全沉浸下来,以便你能够理解名称修饰的总体思路,以及我向您展示的一些其他的行为。如果有一天你和它们不期而遇,你会知道在文档中按什么来查。

4.双前导和双末尾下划线 _var_

也许令人惊讶的是,如果一个名字同时以双下划线开始和结束,则不会应用名称修饰。 由双下划线前缀和后缀包围的变量不会被Python解释器修改:

class PrefixPostfixTest:
   def __init__(self):
       self.__bam__ = 42

>>> PrefixPostfixTest().__bam__
42
Nach dem Login kopieren
Nach dem Login kopieren

但是,Python保留了有双前导和双末尾下划线的名称,用于特殊用途。 这样的例子有,__init__对象构造函数,或__call__ — 它使得一个对象可以被调用。

这些dunder方法通常被称为神奇方法 - 但Python社区中的许多人(包括我自己)都不喜欢这种方法。

最好避免在自己的程序中使用以双下划线(“dunders”)开头和结尾的名称,以避免与将来Python语言的变化产生冲突。

5.单下划线 _

按照习惯,有时候单个独立下划线是用作一个名字,来表示某个变量是临时的或无关紧要的。

例如,在下面的循环中,我们不需要访问正在运行的索引,我们可以使用“_”来表示它只是一个临时值:

>>> for _ in range(32):
...    print(&#39;Hello, World.&#39;)
Nach dem Login kopieren
Nach dem Login kopieren

你也可以在拆分(unpacking)表达式中将单个下划线用作“不关心的”变量,以忽略特定的值。 同样,这个含义只是“依照约定”,并不会在Python解释器中触发特殊的行为。 单个下划线仅仅是一个有效的变量名称,会有这个用途而已。

在下面的代码示例中,我将汽车元组拆分为单独的变量,但我只对颜色和里程值感兴趣。 但是,为了使拆分表达式成功运行,我需要将包含在元组中的所有值分配给变量。 在这种情况下,“_”作为占位符变量可以派上用场:

>>> car = (&#39;red&#39;, &#39;auto&#39;, 12, 3812.4)
>>> color, _, _, mileage = car

>>> color
&#39;red&#39;
>>> mileage
3812.4
>>> _
12
Nach dem Login kopieren
Nach dem Login kopieren

除了用作临时变量之外,“_”是大多数Python REPL中的一个特殊变量,它表示由解释器评估的最近一个表达式的结果。

这样就很方便了,比如你可以在一个解释器会话中访问先前计算的结果,或者,你是在动态构建多个对象并与它们交互,无需事先给这些对象分配名字:

>>> 20 + 3
23
>>> _
23
>>> print(_)
23

>>> list()
[]
>>> _.append(1)
>>> _.append(2)
>>> _.append(3)
>>> _
[1, 2, 3]
Nach dem Login kopieren
Nach dem Login kopieren

Das obige ist der detaillierte Inhalt vonWelche Bedeutung und Verwendung haben Unterstriche in Python?. 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

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
Will R.E.P.O. Crossplay haben?
1 Monate 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)

PHP und Python: Code Beispiele und Vergleich PHP und Python: Code Beispiele und Vergleich Apr 15, 2025 am 12:07 AM

PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Wie ist die GPU -Unterstützung für Pytorch bei CentOS? Wie ist die GPU -Unterstützung für Pytorch bei CentOS? Apr 14, 2025 pm 06:48 PM

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python gegen JavaScript: Community, Bibliotheken und Ressourcen Python gegen JavaScript: Community, Bibliotheken und Ressourcen Apr 15, 2025 am 12:16 AM

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Detaillierte Erklärung des Docker -Prinzips Detaillierte Erklärung des Docker -Prinzips Apr 14, 2025 pm 11:57 PM

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Miniopen CentOS -Kompatibilität Miniopen CentOS -Kompatibilität Apr 14, 2025 pm 05:45 PM

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Wie man eine verteilte Schulung von Pytorch auf CentOS betreibt Wie man eine verteilte Schulung von Pytorch auf CentOS betreibt Apr 14, 2025 pm 06:36 PM

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

So wählen Sie die Pytorch -Version auf CentOS aus So wählen Sie die Pytorch -Version auf CentOS aus Apr 14, 2025 pm 06:51 PM

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

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.

See all articles