Python 変数の使用におけるよくある間違いの紹介
実際、これは言語自体の問題ではなく、言語自体のいくつかの特性を無視したことが原因で発生することがよくあります。今日は、Python の使用時に発生する 3 つの信じられないエラーを見ていきます。今後のプログラミングでは変数に注意してください。
1. 変数データ型は関数定義のデフォルトパラメータとして使用されます
これは正しいと思いますか?たとえば、現在のページでリンクを検索し、必要に応じてそれを別の提供されたリストに追加する小さな関数を作成します。
def search_for_links(page, add_to=[]): new_links = page.search_for_links() add_to.extend(new_links) return add_to
表面的には、これは完全に通常の Python コードのように見えますが、実際その通りで、動作します。ただし、問題があります。 add_to パラメータにリストを指定すると、期待どおりに機能します。しかし、デフォルト値を使用すると、魔法のようなことが起こります。
次のコードを試してください:
def fn(var1, var2=[]): var2.append(var1) print(var2) fn(3) fn(4) fn(5)
おそらく、次のコードが表示されると思うでしょう:
[3] [4] [5]
しかし、実際に表示されるのは次のとおりです:
[3] [3,4] [3,4,5]
なぜですか?ご覧のとおり、毎回同じリストが使用されるのですが、なぜこのような出力になるのでしょうか。 Python では、このような関数を作成すると、このリストが関数定義の一部としてインスタンス化されます。関数が実行されるとき、毎回インスタンス化されるわけではありません。これは、新しいオブジェクトを提供しない限り、この関数は常にまったく同じリスト オブジェクトを使用することを意味します:
fn(3,[4]) [4,3]
答えはまさに私たちが考えたものです。この結果を取得する正しい方法は次のとおりです:
def fn(var1, var2=None): ifnot var2: var2 =[] var2.append(var1)
または最初の例では:
def search_for_links(page, add_to=None): ifnot add_to: add_to =[] new_links = page.search_for_links() add_to.extend(new_links) return add_to
これにより、関数が実行されるたびにリストのインスタンス化が発生するように、モジュールがロードされるときにインスタンス化されたコンテンツが削除されます。タプル、文字列、整数などの不変のデータ型の場合は、この状況を考慮する必要がないことに注意してください。これは、次のようなコードが非常に実現可能であることを意味します:
def func(message="my message"): print(message)
2. クラス変数としての可変データ型
これは、上記の最後のエラーと非常によく似ています。次のコードを考えてみましょう:
class URLCatcher(object): urls =[] def add_url(self, url): self.urls.append(url)
このコードはまったく正常に見えます。 URL を格納するオブジェクトがあります。 add_url メソッドを呼び出すと、指定された URL がストレージに追加されます。かなり正しく見えますよね?実際の動作を見てみましょう:
a =URLCatcher() a.add_url('http://www.google.com') b =URLCatcher() b.add_url('http://www.pythontab.com') print(b.urls) print(a.urls)
結果:
['http://www.google.com','http://www.pythontab.com'] ['http://www.google.com','http://www.pythontab.com']
待って、何が起こっているのでしょうか? !それは私たちが考えたことではありません。 2 つの別々のオブジェクト a と b をインスタンス化します。 1 つの URL を a に与え、別の URL を b に与えます。なぜこれら 2 つのオブジェクトに 2 つの URL があるのでしょうか?
これは最初のエラー例と同じ問題です。クラス定義が作成されると、URL リストがインスタンス化されます。このクラスのすべてのインスタンスは同じリストを使用します。これが役立つ場合もありますが、ほとんどの場合はやりたくないでしょう。オブジェクトごとに個別のストアが必要です。これを行うには、コードを次のように変更します。
class URLCatcher(object): def __init__(self): self.urls =[] def add_url(self, url): self.urls.append(url)
これで、オブジェクトが作成されると、URL リストがインスタンス化されます。 2 つの別々のオブジェクトをインスタンス化すると、それぞれ 2 つの別々のリストが使用されます。
3. 変数割り当てエラー
この問題は私をしばらく悩ませました。いくつかの変更を加えて、別の可変データ型である辞書を使用してみましょう。
a ={'1':"one",'2':'two'}
さて、この辞書を元のデータをそのまま保持したまま別の場所で使用したいとします。
rree簡単ですよね?
さて、変更したくない元の辞書 a を見てみましょう:
b = a b['3']='three'
ちょっと待って、b を見てみましょう。
えーちょっと待って、何?少し面倒です...バックアップして、タプルなど他の不変型を使用した場合に何が起こるかを見てみましょう:
{'1':"one",'2':'two','3':'three'}
今、c は (2, 3)、d は (4, 5) です。
この関数の結果は予想どおりです。では、前の例では正確に何が起こったのでしょうか?可変型を使用する場合、それは C のポインターのように動作します。上記のコードでは b = a としていますが、実際の意味は、b が a の参照になるということです。これらはすべて、Python メモリ内の同じオブジェクトを指します。おなじみですね?それは、この質問が前の質問と似ているからです。
リストでも同じことが起こりますか?はい。では、どうすれば解決できるのでしょうか?これは非常に慎重に行う必要があります。処理のためにリストをコピーする必要がある場合は、次のようにすることができます:
{'1':"one",'2':'two','3':'three'}
これは、リスト内の各オブジェクトの参照をループしてコピーし、新しいリストに置きます。ただし注意してください。リスト内のすべてのオブジェクトが変更可能である場合、完全なコピーではなく、それらへの参照が再度取得されることになります。
紙にリストを作成したとします。元の例では、A と B が同じ紙を見ていることに相当します。 1 人がこのリストを変更すると、両方の人に同じ変更が表示されます。参考文献をコピーすると、全員が独自のリストを持つことになります。ただし、このリストには食べ物を見つける場所が含まれていると想定しています。 「refrigerator」がリストの最初にある場合、それがコピーされたとしても、両方のリストのエントリは同じ冷蔵庫を指すことになります。したがって、A が冷蔵庫を改造して、中の大きなケーキを食べた場合、B もケーキが消えるのを目にすることになります。ここを回避する簡単な方法はありません。このことを覚えておいて、この問題が発生しない方法でコードを記述してください。
字典以相同的方式工作,并且你可以通过以下方式创建一个昂贵副本:
b = a.copy()
再次说明,这只会创建一个新的字典,指向原来存在的相同的条目。因此,如果我们有两个相同的列表,并且我们修改字典 a 的一个键指向的可变对象,那么在字典 b 中也将看到这些变化。
可变数据类型的麻烦也是它们强大的地方。以上都不是实际中的问题;它们是一些要注意防止出现的问题。在第三个项目中使用昂贵复制操作作为解决方案在 99% 的时候是没有必要的。
以上がPython 変数の使用におけるよくある間違いの紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

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
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

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
中国語版、とても使いやすい

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
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









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。

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。

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。

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。

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

PytorchをCentosシステムにインストールする場合、適切なバージョンを慎重に選択し、次の重要な要因を検討する必要があります。1。システム環境互換性:オペレーティングシステム:Centos7以上を使用することをお勧めします。 Cuda and Cudnn:PytorchバージョンとCudaバージョンは密接に関連しています。たとえば、pytorch1.9.0にはcuda11.1が必要ですが、pytorch2.0.1にはcuda11.3が必要です。 CUDNNバージョンは、CUDAバージョンとも一致する必要があります。 Pytorchバージョンを選択する前に、互換性のあるCUDAおよびCUDNNバージョンがインストールされていることを確認してください。 Pythonバージョン:Pytorch公式支店

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。
