Rumah pembangunan bahagian belakang Tutorial Python Mengapa Fungsi yang Ditakrifkan dalam Gelung Selalunya Mengembalikan Nilai yang Sama, dan Bagaimanakah Ini Boleh Dibetulkan?

Mengapa Fungsi yang Ditakrifkan dalam Gelung Selalunya Mengembalikan Nilai yang Sama, dan Bagaimanakah Ini Boleh Dibetulkan?

Jan 01, 2025 am 08:13 AM

Why Do Functions Defined in Loops Often Return the Same Value, and How Can This Be Fixed?

Mencipta Fungsi Dalam Gelung: Menangani Isu Pengikatan Lewat

Apabila cuba mentakrifkan fungsi individu dalam gelung, adalah perkara biasa untuk menghadapi isu di mana semua fungsi mengembalikan nilai yang sama walaupun bertujuan untuk mewakili hasil yang unik. Fenomena ini, yang dikenali sebagai pengikatan lewat, berlaku kerana fungsi tidak menerima hujahnya sehingga ia dipanggil.

Pertimbangkan contoh berikut menggunakan gelung for:

functions = []
for i in range(3):
    def f():
        return i
    functions.append(f)
Salin selepas log masuk

Seperti yang ditulis, setiap fungsi mencari nilai sepadan i pada masa ia dipanggil. Walau bagaimanapun, selepas gelung telah dilaksanakan, semua fungsi akan merujuk nilai akhir i (2), menghasilkan output berikut:

print([f() for f in functions])
# Expected: [0, 1, 2]
# Actual: [2, 2, 2]
Salin selepas log masuk

Penyelesaian: Menguatkuasakan Pengikatan Awal

Untuk menangani isu ini, anda perlu memaksa pengikatan awal dengan memberikan hujah kepada fungsi pada masa definisi dan bukannya masa panggilan. Ini boleh dicapai dengan menambahkan argumen lalai pada definisi fungsi:

functions = []
for i in range(3):
    def f(i=i):
        return i
    functions.append(f)
Salin selepas log masuk

Argumen lalai (dalam kes ini, i=i) dinilai apabila fungsi ditakrifkan, bukan apabila ia dipanggil. Ini memastikan setiap fungsi mengekalkan nilai hujah uniknya, menghasilkan output yang diingini:

print([f() for f in functions])
# Output: [0, 1, 2]
Salin selepas log masuk

Pendekatan Alternatif Menggunakan Penutupan

Jika timbul kebimbangan terhadap potensi hujah tambahan untuk dihantar ke fungsi, pendekatan yang lebih terperinci boleh dilaksanakan menggunakan penutupan:

def make_f(i):
    def f():
        return i
    return f
Salin selepas log masuk

Dalam ini senario, kilang fungsi (make_f) dicipta. Dalam gelung, fungsi yang dikembalikan daripada make_f diberikan kepada pembolehubah f dan bukannya memanggil def f(): secara langsung. Pendekatan ini menjamin bahawa setiap fungsi mengekalkan nilai hujah eksklusifnya, seperti dalam penyelesaian pengikatan awal.

Atas ialah kandungan terperinci Mengapa Fungsi yang Ditakrifkan dalam Gelung Selalunya Mengembalikan Nilai yang Sama, dan Bagaimanakah Ini Boleh Dibetulkan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1662
14
Tutorial PHP
1262
29
Tutorial C#
1235
24
Python vs C: Aplikasi dan kes penggunaan dibandingkan Python vs C: Aplikasi dan kes penggunaan dibandingkan Apr 12, 2025 am 12:01 AM

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Rancangan Python 2 jam: Pendekatan yang realistik Rancangan Python 2 jam: Pendekatan yang realistik Apr 11, 2025 am 12:04 AM

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python: Permainan, GUI, dan banyak lagi Python: Permainan, GUI, dan banyak lagi Apr 13, 2025 am 12:14 AM

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Berapa banyak python yang boleh anda pelajari dalam 2 jam? Berapa banyak python yang boleh anda pelajari dalam 2 jam? Apr 09, 2025 pm 04:33 PM

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

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.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python: meneroka aplikasi utamanya Python: meneroka aplikasi utamanya Apr 10, 2025 am 09:41 AM

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

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.

See all articles