Python-命名空间

Python-命名空间

本文介绍Python中命名空间中的LEGB原则。

目录

1. LEGB

LEGB含义解释:

L-Local(function);函数内的名字空间,包括局部变量和形参
E-Enclosing function locals;外部嵌套函数的名字空间(例如closure)
G-Global(module);函数定义所在模块(文件)的名字空间
B-Builtin(Python);Python内置模块的名字空间

前面讲到,Python的命名空间是一个字典,字典内保存了变量名称与对象之间的映射关系,因此,查找变量名就是在命名空间字典中查找键-值对。

LEGB规定了查找一个名称的顺序为:

local–>enclosing function locals–>global–>builtin

在上述两个例子中,从内到外,依次形成四个命名空间:
def innerfoo()::Local, 即函数内部命名空间;
def foo()::Enclosing function locals;外部嵌套函数的名字空间
module(文件本身):Global(module);函数定义所在模块(文件)的名字空间
Python内置模块的名字空间:Builtin


2.代码:

一段代码理解 LEG

x = 1 

def foo():
    x = 2 
    def innerfoo():
        x = 3 
        print 'locals ', x
    innerfoo()
    print 'enclosing function locals ', x

foo()
print 'global ', x

运行结果:

locals 2
enclosing function locals 2
global 1

可以发现:当注释掉x = 3以后,函数innerfoo内部查找到的x是x = 2。

在上述两个例子中,从内到外,依次形成四个命名空间:
def innerfoo()::Local, 即函数内部命名空间;
def foo()::Enclosing function locals;外部嵌套函数的名字空间
module(文件本身):Global(module);函数定义所在模块(文件)的名字空间
Python内置模块的名字空间:Builtin

x = 3 属于函数内部命名空间,当被注释掉之后,函数innerfoo内部通过print x 使用x这个名称时,触发了名称查找动作。
首先在Local命名空间查找,没有找到,然后到Enclosing function locals命名空间查找,查找成功,然后调用。

3.另一个例子

``` python
X=11  #模块级
def f():
    print X

def g():
    X=22
    print X

class C:
    X=33
    def m(self):
        X=44
        print X
        self.X=55

if __name__=='__main__':
    print X
    f()
    g()
    print X

    obj=C()
    print obj.X

    obj.m()
    print obj.X
    print C.X

输出结果:

11
11
22
11
33
44
55
33
11
11
22
11
33
44
55
33

otherfile.py


import manynames
X = 66           
print X                #66
print manynames.X      #11
manynames.f()          #11
manynames.g()          #22
print manynames.C.X    #33
I=manynames.C()
print I.X              #33
I.m()
print I.X              #55

输出结果
66
11
11
22
33
33
44
55

链接地址如下:
http://www.jianshu.com/p/3b72ba5a209c

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值