Python 五点搞定作用域

本文深入探讨了Python中的作用域概念,包括块级作用域、局部作用域、作用域链及函数作用域的特点,并通过实例解释了变量查找机制。

转: http://www.pythontab.com/html/2016/pythonjichu_0908/1063.html


1、块级作用域


想想此时运行下面的程序会有输出吗?执行会成功吗?

1
2
3
4
5
6
7
8
9
10
11
12
#块级作用域
  
if  1  = =  1 :
     name  =  "lzl"
  
print (name)
  
  
for  in  range ( 10 ):
     age  =  i
  
print (age)

我们先看下执行结果

1
2
3
C: /Users/L/PycharmProjects/s14/preview/Day8/ 作用域 /main .py
lzl
9

 

Process finished with exit code 0

代码执行成功,没有问题;在Java/C#中,执行上面的代码会提示name,age没有定义,而在Python中可以执行成功,这是因为在Python中是没有块级作用域的,代码块里的变量,外部可以调用,所以可运行成功;  


2、局部作用域


回顾之前学过的知识,我们学函数的时候,函数是个单独的作用域,Python中没有块级作用域,但是有局部作用域;看看下面的代码

#局部作用域

1
2
3
4
def   func():
     name  =  "lzl"
  
print (name)

运行这段代码,想想会不会有输出?

1
2
3
4
Traceback (most recent call last):
   File  "C:/Users/L/PycharmProjects/s14/preview/Day8/作用域/main.py" , line 23,  in  <module>
     print(name)
NameError: name  'name'  is not defined

运行报错,我相信这个大家都能理解,name变量只在func()函数内部中生效,所以在全局中是没法调用的;对上面代码做个简单调整,再看看结果如何?

1
2
3
4
5
6
7
#局部作用域
  
def   func():
     name  =  "lzl"
  
func()           #执行函数
print (name)

对之前的代码添加了一句代码,在变量name打印之前,执行了一下函数,此时打印会不会有变化?

1
2
3
4
Traceback (most recent call last):
   File  "C:/Users/L/PycharmProjects/s14/preview/Day8/作用域/main.py" , line 23,  in  <module>
     print(name)
NameError: name  'name'  is not defined

执行依然报错,还是回到刚才那句话:即使执行了一下函数,name的作用域也只是在函数内部,外部依然无法进行调用;把前两个知识点记住,接下来要开始放大招了

3、作用域链

对函数做下调整,看看下面的代码执行结果如何?

1
2
3
4
5
6
7
8
9
10
#作用域链
  
name  =  "lzl"
def  f1():
     name  =  "Eric"
     def  f2():
         name  =  "Snor"
         print (name)
     f2()
f1()

学过函数,肯定知道最后f1()执行完会输出Snor;我们先记住一个概念,Python中有作用域链,变量会由内到外找,先去自己作用域去找,自己没有再去上级去找,直到找不到报错

4、终极版作用域

好,铺垫了够了,终极版的来了~~

1
2
3
4
5
6
7
8
9
10
11
12
#终极版作用域
  
name  =  "lzl"
  
def  f1():
     print (name)
  
def  f2():
     name  =  "eric"
     f1()
  
f2()

想想最后f2()执行结果是打印“lzl”呢,还是打印“eric”?记住自己的答案,现在先不把答案贴出来,先看看下面这段代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#终极版作用域
  
name  =  "lzl"
  
def  f1():
     print (name)
  
def  f2():
     name  =  "eric"
     return  f1
  
ret  =  f2()
ret()
  
#输出:lzl

执行结果为“lzl”,分析下上面的代码,f2()执行结果为函数f1的内存地址,即ret=f1;执行ret()等同于执行f1(),执行f1()时与f2()没有任何关系,name=“lzl”与f1()在一个作用域链,函数内部没有变量是会向外找,所以此时变量name值为“lzl”;理解了这个,那么刚才没给出答案的那个终极代码你也知道答案了

1
2
3
4
5
6
7
8
9
10
11
12
13
14
#终极版作用域
  
name  =  "lzl"
  
def  f1():
     print (name)
  
def  f2():
     name  =  "eric"
     f1()
  
f2()
  
# 输出:lzl

是的,输出的是“lzl”,记住在函数未执行之前,作用域已经形成了,作用域链也生成了


5、新浪面试题

1
li  =  [ lambda  :x  for  in  range ( 10 )]

判断下li的类型?li里面的元素为什么类型?

1
2
3
4
5
print ( type (li))
print ( type (li[ 0 ]))
  
# <class 'list'>
# <class 'function'>

可以看到li为列表类型,list里面的元素为函数,那么打印list里面第一个元素的返回值,此时返回值为多少?

1
2
3
4
5
6
7
8
#lambada 面试题
  
li  =  [ lambda  :x  for  in  range ( 10 )]
  
res  =  li[ 0 ]()
print (res)
  
#输出:9

li第一个函数的返回值为9还不是0,记住:函数在没有执行前,内部代码不执行;博客里面的代码可以自己练练,加深下印象

### Python 中解决“No module named 'Decoder'” 报错问题 当遇到 `No module named 'Decoder'` 的错误时,通常是因为缺少名为 `Decoder` 或者包含该模块的相关库。以下是可能的原因以及对应的解决方案: #### 可能原因分析 1. **未安装依赖库** 如果项目需要特定的第三方库来提供 `Decoder` 功能,则可能是由于尚未安装这些库引起的。例如,在某些深度学习框架中,可能存在专门用于解码操作的模块。 2. **路径配置问题** 当前运行环境无法找到定义了 `Decoder` 的文件或包。这通常是由于工作目录设置不当或者未将自定义模块加入到系统的 `PYTHONPATH` 环境变量中造成的。 3. **拼写错误** 文件名、类名或函数名称大小写敏感度不同可能导致导入失败。比如实际应为 `decoder.py` 而不是 `Decoder.py`。 4. **编译缺失** 对于一些复杂的机器学习模型组件(如多尺度可变形注意力机制),如果涉及 C++ 扩展部分代码需手动构建才能正常使用[^4]。 --- ### 解决方法 #### 方法一:确认并安装所需库 检查是否有现成支持此功能的标准库或开源工具集可用。如果没有预装相应软件包则尝试通过 pip 安装它。假设存在一个叫 `some_library_with_decoder` 的虚拟例子可以这样执行命令: ```bash pip install some_library_with_decoder --upgrade ``` 对于具体场景下的其他类似情况也可以参考已知案例处理方式如下所示: - 若是关于图像分割任务中的 U-net 结构加载异常(`no module named ‘segmentation_models_pytorch.unet`) ,可通过指定版本号重新获取对应资源完成修复[^3]: ```bash pip install segmentation-models-pytorch==0.1.0 ``` #### 方法二:验证本地源码结构完整性 确保项目根目录下确实存在命名为 `decoder.(py|so)` 类型的目标实体;另外还需注意区分大小写字母书写习惯差异带来的影响。 假如发现遗漏必要组成部分的话可以从官方仓库克隆最新版回来替换旧有副本再试一次即可恢复正常运作状态。 #### 方法三:调整 PYTHONPATH 设置 为了让解释器能够识别新增加的位置作为搜索范围之一,临时修改当前 shell session 下的有效作用域不失为一种快捷手段: ```bash export PYTHONPATH=$PYTHONPATH:/path/to/your/project/folder/ ``` 永久生效的办法则是编辑用户的 `.bashrc` 配置文档追加上述语句保存退出后再刷新一遍使之立即生效. #### 方法四:按照指示自行编译扩展部件 针对那些依靠底层硬件加速实现性能优化的关键算法单元(譬如说 Mask R-CNN 实现过程中需要用到 deform conv v2 层),往往都需要遵循开发者给出的操作指南来进行额外准备工作之后才能够顺利调用起来: 进入相关子目录位置后依次敲击下面两条指令触发自动化脚本流程自动帮我们搞定一切繁杂琐碎事务: ```bash cd path_to_your_project/mask2former/modeling/pixel_decoder/ops sh make.sh ``` --- ### 总结说明 上述四种途径分别适用于不同类型的问题根源定位方向指导实践应用过程之中灵活选用最为合适的那一条才是王道哦!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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