预先定义数值变量并集中管理可提升代码清晰度、可维护性与可靠性；通过常量字典、场景化配置组及带校验的类型封装（如dataclass），实现全局复用、语义明确与错误前置捕获。
直接把数值变量预先定义好再导入，能大幅减少公式计算中重复写数字、反复修改的麻烦，让代码更清晰、易维护、少出错。
用常量字典集中管理公式参数
把公式里频繁出现的物理常数、配置系数、单位换算因子等统一放进一个字典或模块里，一次性定义，全局复用。比如计算圆柱体积 V = π × r² × h，半径和高可能来自不同输入，但 π 和默认单位（如 cm→m 的缩放）应固定管理。
- 新建
constants.py：PI = 3.14159265359<br>CM_TO_M = 0.01<br>GRAVITY = 9.80665 # m/s²<br>WATER_DENSITY = 1000.0 # kg/m³
- 在主计算脚本中静态导入：
from constants import PI, CM_TO_M, GRAVITY - 写公式时直接用符号，不硬编码数字：
volume_m3 = PI * (r_cm * CM_TO_M) ** 2 * (h_cm * CM_TO_M)
按公式场景拆分预设配置组
同一套数值变量，在不同计算任务中含义不同。与其堆满全局常量，不如按用途组织成命名清晰的配置对象。例如流体力学中雷诺数 Re = ρVD/μ 涉及密度、流速、特征长度、动力粘度——这些值常成组出现（如“水@20℃”“空气@标准大气压”）。
- 在
fluid_configs.py中定义：WATER_20C = {"rho": 998.2, "mu": 1.002e-3, "name": "water_20C"}AIR_STD = {"rho": 1.225, "mu": 1.81e-5, "name": "air_std"} - 调用时明确语义：
config = WATER_20C<br>reynolds = config["rho"] * v * d / config["mu"]
- 后续切换工况只需改一行
config = AIR_STD，公式主体完全不动
配合类型提示与校验提升可靠性
静态导入数值变量不等于放任不管。加上基础校验和类型注解，能在运行初期捕获明显错误，避免“数字对但单位错”这类隐蔽问题。
- 用
dataclass封装带验证的配置类：@dataclass<br>class PipeConfig:<br> inner_diameter_m: float<br> roughness_m: float<br> def __post_init__(self):<br> if self.inner_diameter_m raise ValueError("Diameter must be positive") - 导入后直接实例化使用：
pipe = PipeConfig(inner_diameter_m=0.15, roughness_m=1.5e-6)velocity = flow_rate / (PI * (pipe.inner_diameter_m/2)**2) - IDE 和 mypy 能自动检查字段名和类型，写错
inner_diameter会立刻报红
避免常见陷阱：静态 ≠ 一成不变
“静态导入”强调的是**编译期确定、运行期只读**，不是说所有数值都必须写死。需动态变化的量（如用户输入、传感器读数）仍要保留为变量；静态部分只承载那些真正稳定、有明确物理/业务意义的基准值。
- ✅ 做静态：π、光速、标准重力加速度、材料标称密度、设备额定电压
- ❌ 不做静态：实测温度、实时压力、用户设定的目标值、实验样本编号
- 混合使用才合理：公式中
ΔT = T_measured - T_ref，T_ref可静态导入（如REF_TEMP = 25.0），T_measured必须是运行时变量
