《python 与数据挖掘 》一 3.4 作用域

简介:

本节书摘来自华章出版社《python 与数据挖掘 》一书中的第3章,第3.4节,作者张良均 杨海宏 何子健 杨 征,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.4 作用域

Python在创建、改变或查找变量名时都是在命名空间中进行的,更准确地说,是在特定作用域下进行的。所以我们需要使用某个变量名时,应清晰地知道其作用域。由于Python不能声明变量,所以变量第一次被赋值的时候已经与一个特定作用域绑定了。更通俗地说,在代码中给一个变量赋值的地方决定了这个变量将存在于哪个作用域,它可见的位置在哪里。
首先举一个函数的例子,如果有这样的函数:


def defin_x():
    x = 2
然后执行命令:
>>> x = 1
>>>defin_x()
>>>print x
>>>1

执行函数defin_x后函数外的x的值没有变化。这是因为整段程序中存在两个x,起初在函数体外创建了一个x,接着执行defin_x()时又在函数内部创建了一个新的x和一个新的命名空间。第二个x的作用域是defin_x()函数的内部代码块,赋值语句x = 2仅在局部作用域(即函数内部)起作用。所以它不会使得函数外的x发生改变。我们把函数内的变量称为局部变量(Local Variable),而在主程序中的变量称为全局变量(Global Variable)。在函数内部是可以访问到全局变量的:

def print_x():
    print x
>>>x = 1
>>>print_x()
>>>1

程序没有发生报错并正确返回了1,所以在函数内部同样可以使用全局变量。
通过前面的例子我们已经知道,函数内既可访问局部变量也可访问全局变量。如果局部变量和全局变量出现重名,那最终会访问哪一个呢?实际上,第一个例子已经说明了这个问题,在局部作用域中,如果全局变量与局部变量重名,那么全局变量会被局部变量屏蔽。如果想访问全局变量,可以使用globals函数:

def print_x():
    x = 2
    print  globals()['x']
>>> x = 1
>>>print_x()
>>>1
再考虑另一个方向的问题:我们如何在函数内创建全局变量呢?可以使用global进行声明:
def defin_x():
    global x
    x = 2
>>>x = 1
>>>defin_x()
>>>print x
>>>2

函数内部使用global声明了变量名x的作用域是全局的,因而程序访问的是全局变量x。虽然global似乎很好用,但我建议程序中尽量少用global,它会使代码变得混乱,可读性变差。相反,局部变量会使代码更加抽象,封装性更好。一个好的函数只有输入和输出能够和函数外的程序进行联系。

相关文章
|
1月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
使用Python实现深度学习模型:智能数据隐私保护
使用Python实现深度学习模型:智能数据隐私保护 【10月更文挑战第3天】
102 0
|
27天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
11天前
|
图形学 Python
SciPy 空间数据2
凸包(Convex Hull)是计算几何中的概念,指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
21 1
|
12天前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
13天前
|
数据采集 Web App开发 iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取?
使用 Python 进行网页数据爬取的步骤包括:1. 安装必要库(requests、re、bs4);2. 发送 HTTP 请求获取网页内容;3. 使用正则表达式提取数据;4. 数据清洗和处理;5. 循环遍历多个页面。通过这些步骤,可以高效地从网页中提取所需信息。
|
1月前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
49 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
1月前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
42 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
1月前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
70 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
25天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
53 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
1月前
|
存储 Python
在Python中,什么是作用域
【10月更文挑战第12天】在Python中,什么是作用域
15 2

热门文章

最新文章