


Adakah `exec()` Mengemas kini Pembolehubah Tempatan dalam Python 3, dan Jika Tidak, Bagaimana Ia Boleh Dibuat Untuk?
Kesan exec pada Pembolehubah Setempat: Selam Masuk
Fungsi exec, ruji Python untuk pelaksanaan kod dinamik, menimbulkan pertanyaan yang menarik: bolehkah ia mengemas kini pembolehubah tempatan dalam fungsi?
Pyton 3 Dilema
Dalam Python 3, coretan kod berikut gagal untuk mengemas kini pembolehubah setempat seperti yang dijangkakan:
def f(): a = 1 exec("a = 3") print(a)
Daripada '3' yang dijangkakan, ia mencetak '3' yang membimbangkan. 1'!
Sawa 2 Kelakuan
Anehnya, kod yang sama dalam Python 2 sememangnya akan mengemas kini pembolehubah tempatan, mencetak '3'. Perbezaan ini timbul daripada perubahan asas dalam cara Python mengendalikan pembolehubah tempatan.
Dilema Penduduk Setempat
Tidak seperti dalam Python 2, Python 3 menyimpan pembolehubah tempatan dalam tatasusunan beku yang dioptimumkan pada masa penyusunan. Kecekapan ini datang dengan kos melarang pengubahsuaian masa jalan kepada penduduk tempatan. Oleh itu, panggilan exec lalai dalam Python 3 tidak boleh berjaya mengubah pembolehubah tempatan.
The Magic of Locals()
Untuk memintas had ini dan mengemas kini pembolehubah setempat, seseorang mesti secara eksplisit lulus kamus penduduk tempatan untuk melaksanakan. Kamus ini akan menyimpan pembolehubah tempatan yang dikemas kini selepas pelaksanaan kod dinamik. Kod yang disemak kelihatan seperti ini:
def foo(): ldict = {} exec("a = 3", globals(), ldict) a = ldict['a'] print(a)
Implikasi untuk Exec()
Dokumentasi Python 3 dengan jelas memberi amaran terhadap mengubah suai kamus locals() lalai semasa menggunakan exec , kerana ini boleh membawa kepada tingkah laku yang tidak dapat diramalkan. Untuk keselamatan, seseorang harus sentiasa menghantar kamus tempatan yang eksplisit kepada eksplisit apabila berhasrat untuk mengemas kini pembolehubah setempat.
Pengoptimuman Ingin Tahu Python
Komen bernas Georg Brandl tentang Python laporan pepijat menyerlahkan bahawa pengoptimuman Python 3 untuk pembolehubah tempatan membawa kepada tingkah laku semasa. Pengkompil, tidak dapat membezakan fungsi exec tersuai daripada Python sendiri, tidak boleh menawarkan layanan istimewa kepada mereka. Oleh itu, eksekutif lalai tidak boleh mengubah penduduk setempat.
Pengecualian Python 2
Dalam Python 2, pernyataan exec lama berfungsi secara berbeza. Ia membenarkan pembolehubah tempatan diubah suai secara dinamik berdasarkan pengendalian khas pengkompil bagi eksekutif terbina dalam.
Kesimpulan
Panggilan exec dalam Python 3 memerlukan proses yang halus perubahan dalam pendekatan untuk mengubah suai pembolehubah tempatan. Dengan menggunakan kamus tempatan yang eksplisit, pembangun boleh memanfaatkan kuasa pelaksanaan kod dinamik sambil mengekalkan kawalan ke atas pembolehubah setempat mereka.
Atas ialah kandungan terperinci Adakah `exec()` Mengemas kini Pembolehubah Tempatan dalam Python 3, dan Jika Tidak, Bagaimana Ia Boleh Dibuat Untuk?. 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.

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.

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.

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 Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

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
