


Warum unterscheidet sich der Listenverständnisumfang von Python 2 von dem von Python 3?
List Comprehensions: Eine Quelle verwirrender Scoping
Ein besonderer Aspekt von List Comprehensions in Python 2 ist ihre ungewöhnliche Interaktion mit dem Variablen-Scoping. Insbesondere „leckt“ die Schleifenkontrollvariable eines Listenverständnisses in den umgebenden Bereich, was zu potenziellen Fehlern und Verwirrung führt.
Betrachten Sie den folgenden Code:
x = "original value" squares = [x**2 for x in range(5)] print(x) # Prints 4 in Python 2!
In Python 2 ist dies Code gibt unerwartet 4 anstelle von „Originalwert“ aus. Dies liegt daran, dass die im Listenverständnis verwendete Schleifenkontrollvariable x vorübergehend das außerhalb des Verständnisses definierte x überschattet. Diese Schattenbildung bleibt auch dann bestehen, wenn das Verständnis abgeschlossen ist.
Dieses Verhalten kann eine erhebliche Quelle der Frustration sein, da es zu subtilen und schwer zu debuggenden Fehlern führen kann. Darüber hinaus beeinträchtigt es die Bequemlichkeit und Einfachheit, die normalerweise mit dem Listenverständnis verbunden sind.
In Python 3 wurde dieses Verhalten jedoch behoben. Bei Listenverständnissen gelangt die Schleifenkontrollvariable nicht mehr in den umgebenden Bereich. Dadurch werden sie mit Generatorausdrücken in Einklang gebracht, die sich schon immer auf diese Weise verhalten haben.
Laut Guido van Rossum, dem Erfinder von Python, war die ursprüngliche undichte Implementierung von Listenverständnissen ein „absichtlicher Kompromiss“ zur Optimierung ihre Leistung. In Python 3 wurde dieser Kompromiss jedoch aufgrund von Leistungsverbesserungen als unnötig erachtet.
Die Beseitigung dieses undichten Verhaltens in Python 3 hat die Zuverlässigkeit und Konsistenz des Listenverständnisses erheblich verbessert. Durch die Eliminierung des Potenzials für unbeabsichtigtes Variablen-Shadowing können Programmierer diese jetzt mit größerem Vertrauen verwenden.
Das obige ist der detaillierte Inhalt vonWarum unterscheidet sich der Listenverständnisumfang von Python 2 von dem von Python 3?. 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