


Bagaimanakah Kata Kunci `nonlocal` Python Berfungsi?
Memahami "nonlocal" dalam Python 3: A Deep Dive
Python 3 memperkenalkan kata kunci "bukan tempatan" yang berkuasa, yang membolehkan anda mengubah suai pembolehubah dalam skop luar dari dalam fungsi bersarang. Soalan ini memberikan penjelasan menyeluruh tentang cara "bukan tempatan" beroperasi.
Apakah itu "bukan tempatan"?
"bukan tempatan" memisahkan pembolehubah daripada skop setempat bagi bersarang fungsi, membolehkannya mengakses pembolehubah dalam skop luar. Ini berguna apabila anda perlu mengubah suai pembolehubah dalam skop luar tanpa menggunakan pembolehubah global atau kaedah berbelit lain.
Cara "bukan tempatan" Berfungsi
Pertimbangkan kod berikut coretan tanpa menggunakan "nonlocal":
x = 0 def outer(): x = 1 def inner(): x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Output:
inner: 2 outer: 1 global: 0
Perhatikan bahawa mengubah suai nilai x dalam fungsi inner() tidak menjejaskan nilai x dalam fungsi outer() . Ini kerana inner() mencipta pembolehubah tempatan bernama x yang membayangi pembolehubah luar dengan nama yang sama.
Sekarang, mari kita ubah suai kod menggunakan "nonlocal":
x = 0 def outer(): x = 1 def inner(): nonlocal x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Output:
inner: 2 outer: 2 global: 0
Dalam kes ini, menggunakan "nonlocal" dalam fungsi inner() mewujudkan pautan kepada pembolehubah x dalam skop luar(). Dengan mengubah suai pembolehubah dalam fungsi dalaman, kami mengubah suai pembolehubah yang sama secara berkesan dalam skop luar.
Menggunakan "global" vs. "nonlocal"
The "global " kata kunci juga boleh digunakan untuk mengakses dan mengubah suai pembolehubah global, tetapi ia berkelakuan berbeza daripada "bukan tempatan." "global" mengikat pembolehubah kepada skop yang benar-benar global, manakala "bukan tempatan" mengikatnya pada skop tertutup yang paling hampir.
Pertimbangkan coretan kod berikut menggunakan "global":
x = 0 def outer(): x = 1 def inner(): global x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Output :
inner: 2 outer: 1 global: 2
Seperti yang anda lihat, mengubah suai nilai x dalam fungsi dalaman kini mempengaruhi pembolehubah global x dan bukannya skop outer().
Ringkasan
"nonlocal" ialah kata kunci Python penting yang membolehkan anda mengakses dan mengubah suai pembolehubah dalam skop luar daripada fungsi bersarang tanpa mencemarkan ruang nama global. Ia menyediakan cara yang jelas dan cekap untuk bekerja dengan data merentas pelbagai skop, menjadikan kod lebih mudah dibaca dan diselenggara.
Atas ialah kandungan terperinci Bagaimanakah Kata Kunci `nonlocal` Python Berfungsi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
