`exec()`는 Python 3에서 지역 변수를 업데이트합니까? 그렇지 않은 경우 어떻게 할 수 있나요?
exec가 지역 변수에 미치는 영향: 심층 분석
동적 코드 실행을 위한 Python의 주요 기능인 exec 함수는 흥미로운 쿼리를 제시합니다. 함수 내의 지역 변수를 업데이트할 수 있나요?
Python 3 딜레마
Python 3에서 다음 코드 조각은 예상대로 지역 변수를 업데이트하지 못합니다.
def f(): a = 1 exec("a = 3") print(a)
예상된 '3' 대신 놀랍게도 ' 1'!
파이썬 2 동작
신기하게도 Python 2의 동일한 코드는 실제로 지역 변수를 업데이트하여 '3'을 인쇄합니다. 이러한 차이는 Python이 로컬 변수를 처리하는 방식의 근본적인 변화로 인해 발생합니다.
로컬 딜레마
Python 2와 달리 Python 3에서는 로컬 변수를 최적화된 고정 배열에 저장합니다. 컴파일 타임에. 이러한 효율성은 로컬에 대한 런타임 수정을 금지하는 대가로 발생합니다. 따라서 Python 3의 기본 exec 호출은 로컬 변수를 성공적으로 변경할 수 없습니다.
The Magic of Locals()
이 제한을 우회하고 로컬 변수를 업데이트하려면 다음을 수행해야 합니다. 명시적으로 지역 사전을 exec에 전달합니다. 이 사전은 동적 코드 실행 후 업데이트된 지역 변수를 저장합니다. 수정된 코드는 다음과 같습니다.
def foo(): ldict = {} exec("a = 3", globals(), ldict) a = ldict['a'] print(a)
Exec()에 대한 영향
Python 3 문서에서는 exec를 사용하는 동안 기본 locals() 사전을 수정하지 않도록 명시적으로 주의를 줍니다. , 이는 예측할 수 없는 동작으로 이어질 수 있기 때문입니다. 안전을 위해 로컬 변수를 업데이트하려는 경우 항상 명시적인 로컬 사전을 exec에 전달해야 합니다.
The Curious Optimizations of Python
Georg Brandl의 Python에 대한 통찰력 있는 의견 버그 보고서는 지역 변수에 대한 Python 3의 최적화가 현재 동작으로 이어진다는 점을 강조합니다. 사용자 정의 실행 함수를 Python 자체 함수와 구별할 수 없는 컴파일러는 해당 함수에 특별한 처리를 제공할 수 없습니다. 따라서 기본 exec는 로컬을 변경할 수 없습니다.
Python 2의 예외
Python 2에서는 이전 exec 문이 다르게 작동했습니다. 내장 exec에 대한 컴파일러의 특별한 처리 덕분에 지역 변수를 동적으로 수정할 수 있었습니다.
결론
Python 3의 exec 호출에는 미묘한 조정이 필요합니다. 지역 변수를 수정하는 접근 방식이 변경되었습니다. 명시적 로컬 사전을 사용하면 개발자는 로컬 변수에 대한 제어를 유지하면서 동적 코드 실행 기능을 활용할 수 있습니다.
위 내용은 `exec()`는 Python 3에서 지역 변수를 업데이트합니까? 그렇지 않은 경우 어떻게 할 수 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
