


Warum führen lexikalische Python-Abschlüsse in Schleifen zu unerwarteten Ergebnissen?
Lexikalische Abschlüsse in Python: Das unerwartete Verhalten verstehen
In Python ermöglichen lexikalische Abschlüsse inneren Funktionen den Zugriff auf Variablen, die im umschließenden Bereich definiert sind. Beim Definieren von Funktionen innerhalb einer Schleife, die eine gemeinsam genutzte Variable ändert, tritt jedoch ein unerwartetes Verhalten auf. Betrachten Sie zur Veranschaulichung den folgenden Python-Code:
flist = [] for i in range(3): def func(x): return x * i flist.append(func) for f in flist: print(f(2))
Dieser Code gibt „4 4 4“ aus, was überraschend ist, da man vielleicht „0 2 4“ erwarten würde. Der Grund für dieses unerwartete Verhalten liegt im Verschlussmechanismus. In Python erstellen in Schleifen definierte Funktionen neue Funktionen, teilen sich jedoch den umschließenden Bereich, in diesem Fall den globalen Bereich. Wenn der Wert von i anschließend geändert wird, verweisen daher alle Funktionen in der Liste auf denselben geänderten i-Wert.
Um dieses Problem zu beheben, müssen für jede Funktion innerhalb der Schleife eindeutige Umgebungen erstellt werden . Dies kann durch die Verwendung eines Funktionserstellers erreicht werden:
flist = [] for i in range(3): def funcC(j): def func(x): return x * j return func flist.append(funcC(i)) for f in flist: print(f(2))
In diesem überarbeiteten Code generiert jeder Aufruf von funcC eine neue Abschlussumgebung mit seinem eigenen Wert von i. Dadurch hat jede Funktion in der Liste Zugriff auf einen eindeutigen i-Wert, was zur erwarteten Ausgabe von „0 2 4“ führt.
Dieses Verhalten unterstreicht, wie wichtig es ist, zu verstehen, wie Abschlüsse in Python funktionieren, insbesondere wenn Umgang mit Nebenwirkungen und funktionaler Programmierung. Wenn in Schleifen definierte Funktionen eine geänderte Variable gemeinsam nutzen, kann es zu unerwartetem Verhalten kommen. Der Einsatz von Funktionserstellern hilft dabei, einzigartige Umgebungen für jede Funktion zu erstellen und stellt sicher, dass das gewünschte Verhalten erreicht wird.
Das obige ist der detaillierte Inhalt vonWarum führen lexikalische Python-Abschlüsse in Schleifen zu unerwarteten Ergebnissen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Laden Sie Gurkendateien in Python 3.6 Umgebungsbericht Fehler: ModulenotFoundError: Nomodulennamen ...

Wie löste ich das Problem der Jiebeba -Wortsegmentierung in der malerischen Spot -Kommentaranalyse? Wenn wir malerische Spot -Kommentare und -analysen durchführen, verwenden wir häufig das Jieba -Word -Segmentierungstool, um den Text zu verarbeiten ...

Wie benutze ich den regulären Ausdruck, um das erste geschlossene Tag zu entsprechen und anzuhalten? Im Umgang mit HTML oder anderen Markup -Sprachen sind häufig regelmäßige Ausdrücke erforderlich, um ...

Verständnis der Anti-Crawling-Strategie von Investing.com Viele Menschen versuchen oft, Nachrichten von Investing.com (https://cn.investing.com/news/latest-news) zu kriechen ...


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

SecLists
SecLists ist der ultimative Begleiter für Sicherheitstester. Dabei handelt es sich um eine Sammlung verschiedener Arten von Listen, die häufig bei Sicherheitsbewertungen verwendet werden, an einem Ort. SecLists trägt dazu bei, Sicherheitstests effizienter und produktiver zu gestalten, indem es bequem alle Listen bereitstellt, die ein Sicherheitstester benötigen könnte. Zu den Listentypen gehören Benutzernamen, Passwörter, URLs, Fuzzing-Payloads, Muster für vertrauliche Daten, Web-Shells und mehr. Der Tester kann dieses Repository einfach auf einen neuen Testcomputer übertragen und hat dann Zugriff auf alle Arten von Listen, die er benötigt.

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

Dreamweaver CS6
Visuelle Webentwicklungstools

Herunterladen der Mac-Version des Atom-Editors
Der beliebteste Open-Source-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen