


Bagaimanakah Kata Kunci `bukan tempatan` Python 3 Berbeza daripada `global` dalam Skop Fungsi Bersarang?
Kata Kunci "bukan tempatan" Python 3: A Deep Dive
Kata kunci "nonlocal" mempunyai tujuan yang berharga dalam Python 3, menyediakan akses kepada pembolehubah diisytiharkan dalam skop yang disertakan tanpa menggunakan kata kunci global yang dikhaskan. Fungsi bernuansa ini membolehkan kawalan luar biasa ke atas rujukan pembolehubah dalam fungsi bersarang.
Menyingkap Peranan bukan tempatan
Pertimbangkan coretan kod berikut tanpa kata kunci "bukan tempatan":
x = 0 def outer(): x = 1 def inner(): x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Apabila dilaksanakan, kod ini menghasilkan yang berikut output:
inner: 2 outer: 1 global: 0
Seperti yang anda boleh perhatikan, pembolehubah "x" dalam fungsi dalam adalah bebas daripada pembolehubah "x" dalam fungsi luar. Ini kerana pembolehubah "x" fungsi dalaman diutamakan dalam skopnya sendiri.
Sebaliknya, memperkenalkan kata kunci "bukan tempatan" mengubah tingkah laku:
x = 0 def outer(): x = 1 def inner(): nonlocal x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Dengan pengubahsuaian ini, output berubah kepada:
inner: 2 outer: 2 global: 0
Kata kunci "bukan tempatan" membenarkan fungsi dalaman untuk merujuk dan mengubah suai Pembolehubah "x" yang diisytiharkan dalam fungsi luar.
bukan tempatan lwn global
Adalah penting untuk mengambil perhatian perbezaan antara "bukan tempatan" dan "global". Walaupun kedua-dua kata kunci membenarkan pembolehubah diakses daripada skop bersarang, kata kunci tersebut mempunyai tujuan yang berbeza. "nonlocal" mengehadkan akses kepada pembolehubah yang ditakrifkan hanya dalam skop yang dilampirkan, manakala "global" menyediakan akses kepada pembolehubah yang ditakrifkan dalam skop global.
Untuk pemahaman yang lebih baik, pertimbangkan kod berikut menggunakan kata kunci "global":
x = 0 def outer(): x = 1 def inner(): global x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
Dalam kes ini, output menjadi:
inner: 2 outer: 1 global: 2
"global" kata kunci mengikat "x" kepada pembolehubah yang diisytiharkan secara global sebenar, mengatasi mana-mana pembolehubah tempatan atau tertutup dengan nama yang sama.
Kesimpulan
Kata kunci "bukan tempatan" dalam Python 3 menawarkan alat yang berkuasa untuk mengurus rujukan pembolehubah dalam fungsi bersarang. Ia membolehkan pembolehubah yang diisytiharkan dalam skop tertutup boleh diakses dan diubah suai dalam skop dalaman, memberikan tahap kawalan yang lebih halus ke atas penggunaan pembolehubah dalam struktur kod yang kompleks.
Atas ialah kandungan terperinci Bagaimanakah Kata Kunci `bukan tempatan` Python 3 Berbeza daripada `global` dalam Skop Fungsi Bersarang?. 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.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

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.

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.

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 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
