ホームページ バックエンド開発 Python チュートリアル Python 名前空間インスタンスの解析

Python 名前空間インスタンスの解析

Oct 19, 2016 pm 05:19 PM
python

Python の名前空間は、Python プログラマーが理解する必要があるものです。Python の名前空間について学ぶことで、Python のいくつかの簡単なルールを基本的に習得できるようになります。

次に、Python 名前空間の本質を 4 つのパートに分けて説明します: 1. 名前空間の定義、2. 名前空間の検索順序、4. locals() と globals() による BIF。名前空間へのアクセス

焦点は 4 番目の部分にあり、そこでは名前空間の内容を観察します。

1. 名前空間

Python は変数の軌跡を記録するために名前空間と呼ばれるものを使用します。名前空間は、キーが変数名であり、その値がそれらの変数の値である辞書です。

名前空間は、名前からオブジェクトへのマッピングです。現在、ほとんどの名前空間は Python 辞書として実装されています。


Python プログラムのどこにでも、利用可能な名前空間がいくつかあります。

1. 各関数には、ローカル名前空間と呼ばれる独自の名前空間があり、関数パラメーターやローカルに定義された変数など、関数の変数が記録されます。

2. 各モジュールには、グローバル名前空間と呼ばれる独自の名前空間があり、関数、クラス、その他のインポートされたモジュール、モジュールレベルの変数、定数などのモジュールの変数が記録されます。

3. 組み込みの名前空間もあります。これは任意のモジュールからアクセスでき、組み込み関数と例外を保存します。


2. 名前空間の検索順序

コード行で変数 x の値を使用する場合、Python は使用可能なすべての名前空間で変数を次の順序で検索します:

1. ローカル名前空間: 特に現在の関数またはクラス メソッド。関数がローカル変数 x またはパラメーター x を定義している場合、Python はそれを使用し、検索を停止します。

2. グローバル名前空間: 特に現在のモジュールを指します。モジュールが x という名前の変数、関数、またはクラスを定義している場合、Python はそれを使用し、検索を停止します。

3. 組み込みの名前空間: 各モジュールのグローバル。最後の手段として、Python は x が組み込み関数または変数であると想定します。

4. Python がこれらの名前空間で x を見つけられない場合、検索を放棄し、NameError: name 'aa' is not generated のような NameError 例外を発生させます。


ネストされた関数の状況:

1. まず、現在の (ネストまたはラムダ) 関数の名前空間で

を検索します。 2. 次に、親関数の名前空間で検索します

3. 次に、 module namespace

4. 最後に、組み込みの名前空間


を検索します。 例:

1

2

3

4

5

6

7

8

9

10

info = "Adress : "

 def func_father(country):

     def func_son(area):

         city= "Shanghai " #此处的city变量,覆盖了父函数的city变量

         print(info + country + city + area)

     city = " Beijing "

     #调用内部函数

     func_son("ChaoYang ");

     

 func_father("China ")

ログイン後にコピー


出力: Address: China Shanghai ChaoYang

上記の例では、情報はglobal 名前空間では、country は親関数の名前空間にあり、city と area は自身の関数の名前空間にあります。

1. 組み込みの名前空間は、Python インタープリターの開始時に作成され、常に保持され、削除されません。

2. モジュールのグローバル名前空間は、モジュール定義が読み込まれるときに作成されます。通常、モジュール名前空間はインタープリタが終了するまで保存されます。


3. ローカル名前空間は、関数が呼び出されたときに作成され、関数が結果を返すか例外をスローしたときに削除されます。再帰的に呼び出される各関数には独自の名前空間があります。

Python の特別な点の 1 つは、代入操作が常に最も内側のスコープにあることです。代入ではデータはコピーされません。名前がオブジェクトにバインドされるだけです。削除についても同様です。「del y」は、単にローカル スコープの名前空間から名前 y を削除します。実際、新しい名前を導入するすべての操作はローカル スコープで動作します。

例:

i=1

def func2():


i=i+1

func2();

#Error: UnboundLocalError: 割り当て前にローカル変数 'i' が参照されました

期限名前空間を作成するとき、Python はコードをチェックし、ローカル名前空間を設定します。 Python はそのコード行を実行する前に、i への割り当てを見つけて、それをローカル名前空間に追加します。関数が実行されると、Python インタープリターは i がローカルの名前空間にあるとみなしますが、値がないため、エラーが発生します。

def func3():


y=123

del y

print(y)

func3()

#エラー: UnboundLocalError: 代入前にローカル変数 'y' が参照されました

#「del y」を削除ステートメントの後は、通常どおりに実行されます

4. 名前空間へのアクセス

1. ローカルの名前空間には、locals() BIF を使用してアクセスできます。

locals は、名前と値のペアの辞書を返します。この辞書のキーは文字列形式の変数名であり、辞書の値は変数の実際の値です。

例:


def func1(i, str):

x = 12345

print(locals())

func1(1, "first")

输出:{'str': 'first', 'x': 12345, 'i': 1}


2、全局 (模块级别)命名空间可以通过 globals() BIF来访问。

示例:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

'''Created on 2013-5-26'''

    

import copy

from copy import deepcopy

    

gstr = "global string"

    

def func1(i, info):

    x = 12345

    print(locals())

    

func1(1 , "first")

    

if __name__ == "__main__":

    print("the current scope's global variables:")

    dictionary=globals()

    print(dictionary)

ログイン後にコピー


输出:(我自己给人为的换行、更换了顺序,加颜色的语句下面重点说明)

{

'__name__': '__main__',

'__doc__': 'Created on 2013-5-26',

'__package__': None,

'__cached__': None,

'__file__': 'E:\\WorkspaceP\\Test1\\src\\base\\test1.py',

'__loader__': <_frozen_importlib.SourceFileLoader object at 0x01C702D0>,

'copy': ,

'__builtins__': ,

'gstr': 'global string',

'dictionary': {...},

'func1': ,

'deepcopy':

}


总结

  1、模块的名字空间不仅仅包含模块级的变量和常量,还包括所有在模块中定义的函数和类。除此以外,它还包括了任何被导入到模块中的东西。

  2、我们看到,内置命名也同样被包含在一个模块中,它被称作 __builtin__。

  3、回想一下 from module import 和 import module 之间的不同。

    使用 import module,模块自身被导入,但是它保持着自已的名字空间,这就是为什么您需要使用模块名来访问它的函数或属性:module.function 的原因。

    但是使用 from module import function,实际上是从另一个模块中将指定的函数和属性导入到您自己的名字空间,这就是为什么您可以直接访问它们却不需要引用它们所来源的模块。使用 globals 函数,您会真切地看到这一切的发生,见上面的红色输出语句。


3、 locals 与 globals 之间的一个重要的区别

locals 是只读的,globals 不是

示例:

1

2

3

4

5

6

7

8

9

10

def func1(i, info):

    x = 12345

    print(locals())

    locals()["x"]= 6789

    print("x=",x)

    

y=54321

func1(1 , "first")

globals()["y"]= 9876

print( "y=",y)

ログイン後にコピー

   


输出:

{'i': 1, 'x': 12345, 'info': 'first'}

x= 12345

y= 9876

解释:

  locals 实际上没有返回局部名字空间,它返回的是一个拷贝。所以对它进行改变对局部名字空间中的变量值并无影响。

  globals 返回实际的全局名字空间,而不是一个拷贝。所以对 globals 所返回的 dictionary 的任何的改动都会直接影响到全局变量。


このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

PHPおよびPython:コードの例と比較 PHPおよびPython:コードの例と比較 Apr 15, 2025 am 12:07 AM

PHPとPythonには独自の利点と短所があり、選択はプロジェクトのニーズと個人的な好みに依存します。 1.PHPは、大規模なWebアプリケーションの迅速な開発とメンテナンスに適しています。 2。Pythonは、データサイエンスと機械学習の分野を支配しています。

CentosでPytorchモデルを訓練する方法 CentosでPytorchモデルを訓練する方法 Apr 14, 2025 pm 03:03 PM

CentOSシステムでのPytorchモデルの効率的なトレーニングには手順が必要であり、この記事では詳細なガイドが提供されます。 1。環境の準備:Pythonおよび依存関係のインストール:Centosシステムは通常Pythonをプリインストールしますが、バージョンは古い場合があります。 YumまたはDNFを使用してPython 3をインストールし、PIP:sudoyumupdatepython3(またはsudodnfupdatepython3)、pip3install-upgradepipをアップグレードすることをお勧めします。 cuda and cudnn(GPU加速):nvidiagpuを使用する場合は、cudatoolをインストールする必要があります

CentosのPytorchのGPUサポートはどのようにサポートされていますか CentosのPytorchのGPUサポートはどのようにサポートされていますか Apr 14, 2025 pm 06:48 PM

Pytorch GPUアクセラレーションを有効にすることで、CentOSシステムでは、PytorchのCUDA、CUDNN、およびGPUバージョンのインストールが必要です。次の手順では、プロセスをガイドします。CUDAおよびCUDNNのインストールでは、CUDAバージョンの互換性が決定されます。NVIDIA-SMIコマンドを使用して、NVIDIAグラフィックスカードでサポートされているCUDAバージョンを表示します。たとえば、MX450グラフィックカードはCUDA11.1以上をサポートする場合があります。 cudatoolkitのダウンロードとインストール:nvidiacudatoolkitの公式Webサイトにアクセスし、グラフィックカードでサポートされている最高のCUDAバージョンに従って、対応するバージョンをダウンロードしてインストールします。 cudnnライブラリをインストールする:

Dockerの原則の詳細な説明 Dockerの原則の詳細な説明 Apr 14, 2025 pm 11:57 PM

DockerはLinuxカーネル機能を使用して、効率的で孤立したアプリケーションランニング環境を提供します。その作業原則は次のとおりです。1。ミラーは、アプリケーションを実行するために必要なすべてを含む読み取り専用テンプレートとして使用されます。 2。ユニオンファイルシステム(UnionFS)は、違いを保存するだけで、スペースを節約し、高速化する複数のファイルシステムをスタックします。 3.デーモンはミラーとコンテナを管理し、クライアントはそれらをインタラクションに使用します。 4。名前空間とcgroupsは、コンテナの分離とリソースの制限を実装します。 5.複数のネットワークモードは、コンテナの相互接続をサポートします。これらのコア概念を理解することによってのみ、Dockerをよりよく利用できます。

Python vs. JavaScript:コミュニティ、ライブラリ、リソース Python vs. JavaScript:コミュニティ、ライブラリ、リソース Apr 15, 2025 am 12:16 AM

PythonとJavaScriptには、コミュニティ、ライブラリ、リソースの観点から、独自の利点と短所があります。 1)Pythonコミュニティはフレンドリーで初心者に適していますが、フロントエンドの開発リソースはJavaScriptほど豊富ではありません。 2)Pythonはデータサイエンスおよび機械学習ライブラリで強力ですが、JavaScriptはフロントエンド開発ライブラリとフレームワークで優れています。 3)どちらも豊富な学習リソースを持っていますが、Pythonは公式文書から始めるのに適していますが、JavaScriptはMDNWebDocsにより優れています。選択は、プロジェクトのニーズと個人的な関心に基づいている必要があります。

Centosの下でPytorchバージョンを選択する方法 Centosの下でPytorchバージョンを選択する方法 Apr 14, 2025 pm 02:51 PM

CentOSでPytorchバージョンを選択する場合、次の重要な要素を考慮する必要があります。1。CUDAバージョンの互換性GPUサポート:NVIDIA GPUを使用してGPU加速度を活用したい場合は、対応するCUDAバージョンをサポートするPytorchを選択する必要があります。 NVIDIA-SMIコマンドを実行することでサポートされているCUDAバージョンを表示できます。 CPUバージョン:GPUをお持ちでない場合、またはGPUを使用したくない場合は、PytorchのCPUバージョンを選択できます。 2。PythonバージョンPytorch

ミニオペンCentosの互換性 ミニオペンCentosの互換性 Apr 14, 2025 pm 05:45 PM

MINIOオブジェクトストレージ:CENTOSシステムの下での高性能展開Minioは、Amazons3と互換性のあるGO言語に基づいて開発された高性能の分散オブジェクトストレージシステムです。 Java、Python、JavaScript、Goなど、さまざまなクライアント言語をサポートしています。この記事では、CentosシステムへのMinioのインストールと互換性を簡単に紹介します。 Centosバージョンの互換性Minioは、Centos7.9を含むがこれらに限定されない複数のCentosバージョンで検証されています。

CentosでPytorchの分散トレーニングを操作する方法 CentosでPytorchの分散トレーニングを操作する方法 Apr 14, 2025 pm 06:36 PM

Pytorchの分散トレーニングでは、Centosシステムでトレーニングには次の手順が必要です。Pytorchのインストール:PythonとPipがCentosシステムにインストールされていることです。 CUDAバージョンに応じて、Pytorchの公式Webサイトから適切なインストールコマンドを入手してください。 CPUのみのトレーニングには、次のコマンドを使用できます。PipinstalltorchtorchtorchvisionTorchaudioGPUサポートが必要な場合は、CUDAとCUDNNの対応するバージョンがインストールされ、インストールに対応するPytorchバージョンを使用してください。分散環境構成:分散トレーニングには、通常、複数のマシンまたは単一マシンの複数GPUが必要です。場所

See all articles