


List Comprehensions und Name Rebinding
List Comprehensions sind eine prägnante Syntax zum Erstellen von Listen in Python. Sie zeigen jedoch unerwartetes Verhalten im Zusammenspiel mit dem Scoping.
Betrachten Sie den folgenden Code:
x = "original value" squares = [x**2 for x in range(5)] print(x) # Prints 4 in Python 2!
In diesem Beispiel bindet das Listenverständnis die Variable x erneut an den aktuellen Wert aus der Iteration von Bereich(5). Dieses Verhalten wird als Neubindung von Namen bezeichnet.
Grund für die Neubindung von Namen
In Python 2 wurden Listenverständnisse anders als Generatorausdrücke implementiert. Das Listenverständnis wurde auf Geschwindigkeit optimiert, indem die Schleifenkontrollvariable in den umgebenden Bereich übertragen wurde. Generatorausdrücke hingegen verwendeten einen separaten Ausführungsrahmen, um diesen Verlust zu verhindern.
Änderung in Python 3
In Python 3 wurde diese Unterscheidung entfernt. Listenverständnisse verwenden jetzt dieselbe Implementierung wie Generatorausdrücke. Infolgedessen kommt es in Python 3 nicht mehr zu einer Namensneubindung.
Folgen
Die Namensneubindung kann zu unerwartetem Verhalten und Fehlern führen, insbesondere in Fällen, in denen derselbe Variablenname verwendet wird wird sowohl im Listenverständnis als auch im umgebenden Bereich verwendet. Wie in der Frage erwähnt, kann dies durch die Verwendung von Unterstrichpräfixen für temporäre Variablen in Listenverständnissen abgemildert werden.
Guido van Rossum, der Erfinder von Python, erklärte die Geschichte hinter dieser Änderung: In Python 2 sind Listenverständnisse durchgesickert die Schleifenkontrollvariable als Artefakt der anfänglichen Implementierung, um die Leistung zu optimieren. In Python 3 galt dies jedoch als schmutziges kleines Geheimnis, das durch die Übernahme derselben Implementierungsstrategie wie bei Generatorausdrücken behoben werden sollte.
Das obige ist der detaillierte Inhalt vonWarum bindet das Listenverständnis von Python 2 Variablen neu und wie hat Python 3 dies geändert?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Lösung für Erlaubnisprobleme beim Betrachten der Python -Version in Linux Terminal Wenn Sie versuchen, die Python -Version in Linux Terminal anzuzeigen, geben Sie Python ein ...

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti

In dem Artikel werden beliebte Python-Bibliotheken wie Numpy, Pandas, Matplotlib, Scikit-Learn, TensorFlow, Django, Flask und Anfragen erörtert, die ihre Verwendung in wissenschaftlichen Computing, Datenanalyse, Visualisierung, maschinellem Lernen, Webentwicklung und h beschreiben

Dieser Artikel führt die Python-Entwickler in den Bauen von CLIS-Zeilen-Schnittstellen (CLIS). Es werden mit Bibliotheken wie Typer, Click und ArgParse beschrieben, die Eingabe-/Ausgabemedelung betonen und benutzerfreundliche Designmuster für eine verbesserte CLI-Usabilität fördern.

Bei der Verwendung von Pythons Pandas -Bibliothek ist das Kopieren von ganzen Spalten zwischen zwei Datenrahmen mit unterschiedlichen Strukturen ein häufiges Problem. Angenommen, wir haben zwei Daten ...

Der Artikel erörtert die Rolle virtueller Umgebungen in Python und konzentriert sich auf die Verwaltung von Projektabhängigkeiten und die Vermeidung von Konflikten. Es beschreibt ihre Erstellung, Aktivierung und Vorteile bei der Verbesserung des Projektmanagements und zur Verringerung der Abhängigkeitsprobleme.


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

mPDF
mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Dreamweaver Mac
Visuelle Webentwicklungstools

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

Sicherer Prüfungsbrowser
Safe Exam Browser ist eine sichere Browserumgebung für die sichere Teilnahme an Online-Prüfungen. Diese Software verwandelt jeden Computer in einen sicheren Arbeitsplatz. Es kontrolliert den Zugriff auf alle Dienstprogramme und verhindert, dass Schüler nicht autorisierte Ressourcen nutzen.