Python 변수 사용 시 흔히 발생하는 실수 소개
우리는 Python 프로그래밍을 하다 보면 설명할 수 없는 오류가 자주 발생합니다. 사실 이는 언어 자체의 문제가 아니라, 언어 자체의 몇 가지 특성을 무시했기 때문에 발생한 것입니다. 오늘은 Python을 사용할 때 발생하는 놀라운 오류 3가지를 살펴보겠습니다. 변수이니 앞으로는 프로그래밍에 더 많은 관심을 가져주세요.
1. 함수 정의에서는 변수 데이터 유형이 기본 매개변수로 사용됩니다.
이게 맞는 것 같나요? 예를 들어 현재 페이지에서 링크를 검색하고 선택적으로 다른 제공된 목록에 링크를 추가하는 작은 함수를 작성합니다.
def search_for_links(page, add_to=[]): new_links = page.search_for_links() add_to.extend(new_links) return add_to
표면적으로 이것은 완벽하게 정상적인 Python 코드처럼 보이지만 실제로는 그렇습니다. 작동합니다. 그러나 문제가 있습니다. add_to 매개변수에 목록을 제공하면 예상대로 작동합니다. 그러나 기본값을 사용하도록 두면 마법 같은 일이 발생합니다.
다음 코드를 시도해 보세요.
def fn(var1, var2=[]): var2.append(var1) print(var2) fn(3) fn(4) fn(5)
아마도 우리가 보게 될 것이라고 생각할 수도 있습니다:
[3] [4] [5]
그러나 실제로 우리가 보는 것은:
[3] [3,4] [3,4,5]
왜일까요? 보시다시피 매번 동일한 목록이 사용됩니다. 출력이 이와 같은 이유는 무엇입니까? Python에서는 이러한 함수를 작성할 때 이 목록이 함수 정의의 일부로 인스턴스화됩니다. 함수가 실행될 때마다 인스턴스화되지는 않습니다. 즉, 새 개체를 제공하지 않는 한 이 함수는 항상 정확히 동일한 목록 개체를 사용한다는 의미입니다.
fn(3,[4]) [4,3]
답은 정확히 우리가 생각한 것입니다. 이 결과를 얻는 올바른 방법은 다음과 같습니다.
def fn(var1, var2=None): ifnot var2: var2 =[] var2.append(var1)
또는 첫 번째 예에서는:
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
이렇게 하면 모듈이 로드될 때 인스턴스화된 콘텐츠가 제거되어 함수가 변경될 때마다 목록 인스턴스화가 발생합니다. 튜플, 문자열, 정수와 같은 불변 데이터 유형의 경우에는 이러한 상황을 고려할 필요가 없습니다. 이는 다음과 같은 코드가 매우 실현 가능하다는 것을 의미합니다.
def func(message="my message"): print(message)
2. 클래스 변수로 변경 가능한 데이터 유형
이는 위에서 언급한 마지막 오류와 매우 유사합니다. 다음 코드를 고려해보세요.
class URLCatcher(object): urls =[] def add_url(self, url): self.urls.append(url)
이 코드는 완벽하게 정상적으로 보입니다. URL을 저장하는 개체가 있습니다. add_url 메소드를 호출하면 지정된 URL이 저장소에 추가됩니다. 꽤 괜찮아 보이는데요, 그렇죠? 실제로는 어떤지 볼까요?
a =URLCatcher() a.add_url('http://www.google.com') b =URLCatcher() b.add_url('http://www.pythontab.com') print(b.urls) print(a.urls)
결과:
['http://www.google.com','http://www.pythontab.com'] ['http://www.google.com','http://www.pythontab.com']
잠깐, 무슨 일이죠? ! 그것은 우리가 생각한 것이 아닙니다. 두 개의 개별 객체 a와 b를 인스턴스화합니다. 하나의 URL을 a에 제공하고 다른 URL을 b에 제공합니다. 어떻게 이 두 개체에 이 두 개의 URL이 있습니까?
첫 번째 오류 예시와 동일한 문제입니다. 클래스 정의가 생성되면 URL 목록이 인스턴스화됩니다. 이 클래스의 모든 인스턴스는 동일한 목록을 사용합니다. 이것이 유용할 때도 있지만 대부분의 경우에는 수행하고 싶지 않습니다. 각 개체에 대해 별도의 저장소를 원합니다. 이를 위해 코드를 다음과 같이 수정합니다.
class URLCatcher(object): def __init__(self): self.urls =[] def add_url(self, url): self.urls.append(url)
이제 객체가 생성되면 URL 목록이 인스턴스화됩니다. 두 개의 개별 객체를 인스턴스화하면 각각 두 개의 개별 목록을 사용합니다.
3. 변수 할당 오류
이 문제로 인해 한동안 괴로움을 겪었습니다. 몇 가지 사항을 변경하고 또 다른 변경 가능한 데이터 유형인 사전을 사용해 보겠습니다.
a ={'1':"one",'2':'two'}
이제 원본 데이터를 그대로 유지하면서 이 사전을 다른 곳에서 사용하고 싶다고 가정해 보겠습니다.
b = a b['3']='three'
간단하죠?
이제 변경하고 싶지 않은 원본 사전 a를 살펴보겠습니다.
{'1':"one",'2':'two','3':'three'}
와 잠깐, b를 살펴볼까요?
{'1':"one",'2':'two','3':'three'}
잠깐, 뭐라고요? 약간 지저분합니다... 튜플과 같은 다른 불변 유형을 사용하여 이 경우에 무슨 일이 일어나는지 다시 살펴보겠습니다.
c =(2,3) d = c d =(4,5)
이제 c는 (2, 3)이고 d는 (4, 5)입니다.
이 함수의 결과는 예상한 대로입니다. 그렇다면 이전 예에서는 정확히 무슨 일이 일어났습니까? 변경 가능한 유형을 사용하면 C의 포인터처럼 동작합니다. 위의 코드에서 b = a라고 가정하면, 실제로 의미하는 바는 b가 a의 참조가 된다는 것입니다. 그것들은 모두 Python 메모리에 있는 동일한 객체를 가리킵니다. 익숙한 것 같나요? 이 질문은 이전 질문과 비슷하기 때문입니다.
목록에서도 같은 일이 일어날까요? 예. 그럼 어떻게 해결하나요? 이 작업은 매우 신중하게 수행되어야 합니다. 처리를 위해 목록을 복사해야 하는 경우 다음과 같이 할 수 있습니다.
b = a[:]
이렇게 하면 목록에 있는 각 개체의 참조를 반복하여 복사하여 새 목록에 넣습니다. 하지만 주의하세요. 목록의 모든 개체가 변경 가능하면 완전한 복사본이 아닌 해당 개체에 대한 참조를 다시 얻게 됩니다.
종이에 목록을 만든다고 가정해 보세요. 원래 예에서는 A와 B가 같은 종이를 보는 것과 같습니다. 한 사람이 이 목록을 수정하면 두 사람 모두 동일한 변경 사항을 보게 됩니다. 참조를 복사하면 이제 모든 사람이 자신의 목록을 갖게 됩니다. 그러나 우리는 이 목록에 음식을 찾을 수 있는 장소가 포함되어 있다고 가정합니다. "냉장고"가 목록의 첫 번째 항목인 경우 복사하더라도 두 목록의 항목은 모두 동일한 냉장고를 가리킵니다. 따라서 A가 냉장고를 개조해 안에 있는 큰 케이크를 먹으면 B도 케이크가 사라지는 것을 보게 된다. 여기서는 쉬운 방법이 없습니다. 이를 기억하고 이 문제를 일으키지 않는 방식으로 코드를 작성하세요.
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。
위 내용은 Python 변수 사용 시 흔히 발생하는 실수 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











PHP와 Python은 고유 한 장점과 단점이 있으며 선택은 프로젝트 요구와 개인 선호도에 달려 있습니다. 1.PHP는 대규모 웹 애플리케이션의 빠른 개발 및 유지 보수에 적합합니다. 2. Python은 데이터 과학 및 기계 학습 분야를 지배합니다.

Python과 JavaScript는 커뮤니티, 라이브러리 및 리소스 측면에서 고유 한 장점과 단점이 있습니다. 1) Python 커뮤니티는 친절하고 초보자에게 적합하지만 프론트 엔드 개발 리소스는 JavaScript만큼 풍부하지 않습니다. 2) Python은 데이터 과학 및 기계 학습 라이브러리에서 강력하며 JavaScript는 프론트 엔드 개발 라이브러리 및 프레임 워크에서 더 좋습니다. 3) 둘 다 풍부한 학습 리소스를 가지고 있지만 Python은 공식 문서로 시작하는 데 적합하지만 JavaScript는 MDNWebDocs에서 더 좋습니다. 선택은 프로젝트 요구와 개인적인 이익을 기반으로해야합니다.

CentOS 시스템에서 Pytorch GPU 가속도를 활성화하려면 Cuda, Cudnn 및 GPU 버전의 Pytorch를 설치해야합니다. 다음 단계는 프로세스를 안내합니다. CUDA 및 CUDNN 설치 CUDA 버전 호환성 결정 : NVIDIA-SMI 명령을 사용하여 NVIDIA 그래픽 카드에서 지원하는 CUDA 버전을보십시오. 예를 들어, MX450 그래픽 카드는 CUDA11.1 이상을 지원할 수 있습니다. Cudatoolkit 다운로드 및 설치 : NVIDIACUDATOOLKIT의 공식 웹 사이트를 방문하여 그래픽 카드에서 지원하는 가장 높은 CUDA 버전에 따라 해당 버전을 다운로드하여 설치하십시오. CUDNN 라이브러리 설치 :

Docker는 Linux 커널 기능을 사용하여 효율적이고 고립 된 응용 프로그램 실행 환경을 제공합니다. 작동 원리는 다음과 같습니다. 1. 거울은 읽기 전용 템플릿으로 사용되며, 여기에는 응용 프로그램을 실행하는 데 필요한 모든 것을 포함합니다. 2. Union 파일 시스템 (Unionfs)은 여러 파일 시스템을 스택하고 차이점 만 저장하고 공간을 절약하고 속도를 높입니다. 3. 데몬은 거울과 컨테이너를 관리하고 클라이언트는 상호 작용을 위해 사용합니다. 4. 네임 스페이스 및 CGroup은 컨테이너 격리 및 자원 제한을 구현합니다. 5. 다중 네트워크 모드는 컨테이너 상호 연결을 지원합니다. 이러한 핵심 개념을 이해 함으로써만 Docker를 더 잘 활용할 수 있습니다.

Minio Object Storage : Centos System Minio 하의 고성능 배포는 Go Language를 기반으로 개발 한 고성능 분산 객체 저장 시스템입니다. Amazons3과 호환됩니다. Java, Python, JavaScript 및 Go를 포함한 다양한 클라이언트 언어를 지원합니다. 이 기사는 CentOS 시스템에 대한 Minio의 설치 및 호환성을 간단히 소개합니다. CentOS 버전 호환성 Minio는 다음을 포함하되 이에 국한되지 않는 여러 CentOS 버전에서 확인되었습니다. CentOS7.9 : 클러스터 구성, 환경 준비, 구성 파일 설정, 디스크 파티셔닝 및 미니를 다루는 완전한 설치 안내서를 제공합니다.

CentOS 시스템에 대한 Pytorch 분산 교육에는 다음 단계가 필요합니다. Pytorch 설치 : 전제는 Python과 PIP가 CentOS 시스템에 설치된다는 것입니다. CUDA 버전에 따라 Pytorch 공식 웹 사이트에서 적절한 설치 명령을 받으십시오. CPU 전용 교육의 경우 다음 명령을 사용할 수 있습니다. PipinStalltorchtorchvisiontorchaudio GPU 지원이 필요한 경우 CUDA 및 CUDNN의 해당 버전이 설치되어 있는지 확인하고 해당 PyTorch 버전을 설치하려면 설치하십시오. 분산 환경 구성 : 분산 교육에는 일반적으로 여러 기계 또는 단일 기계 다중 GPU가 필요합니다. 장소

CentOS 시스템에 Pytorch를 설치할 때는 적절한 버전을 신중하게 선택하고 다음 주요 요소를 고려해야합니다. 1. 시스템 환경 호환성 : 운영 체제 : CentOS7 이상을 사용하는 것이 좋습니다. Cuda 및 Cudnn : Pytorch 버전 및 Cuda 버전은 밀접하게 관련되어 있습니다. 예를 들어, pytorch1.9.0은 cuda11.1을 필요로하고 Pytorch2.0.1은 cuda11.3을 필요로합니다. CUDNN 버전도 CUDA 버전과 일치해야합니다. Pytorch 버전을 선택하기 전에 호환 CUDA 및 CUDNN 버전이 설치되었는지 확인하십시오. 파이썬 버전 : Pytorch 공식 지점

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.
