


Compréhensions de listes et reliure de noms
Les compréhensions de listes sont une syntaxe concise pour créer des listes en Python. Cependant, ils présentent un comportement inattendu en interaction avec la portée.
Considérez le code suivant :
x = "original value" squares = [x**2 for x in range(5)] print(x) # Prints 4 in Python 2!
Dans cet exemple, la compréhension de liste relie la variable x à la valeur actuelle de l'itération de plage(5). Ce comportement est connu sous le nom de reliure de nom.
Raison de la reliure de nom
Dans Python 2, les compréhensions de liste étaient implémentées différemment des expressions génératrices. Les compréhensions de listes ont été optimisées pour la vitesse en divulguant la variable de contrôle de boucle dans la portée environnante. Les expressions génératrices, en revanche, utilisaient un cadre d'exécution distinct, empêchant cette fuite.
Changement de Python 3
Dans Python 3, cette distinction a été supprimée. Les compréhensions de listes utilisent désormais la même implémentation que les expressions génératrices. Par conséquent, la reliure de nom ne se produit plus dans Python 3.
Conséquences
La reliure de nom peut entraîner un comportement inattendu et des erreurs, en particulier dans les cas où le même nom de variable est utilisé à la fois dans la compréhension de la liste et dans la portée environnante. Comme mentionné dans la question, cela peut être atténué en utilisant des préfixes de soulignement pour les variables temporaires dans les compréhensions de liste.
Guido van Rossum, le créateur de Python, a expliqué l'historique de ce changement : Dans Python 2, les compréhensions de liste ont été divulguées la variable de contrôle de boucle comme artefact de la mise en œuvre initiale pour optimiser les performances. Cependant, dans Python 3, cela a été considéré comme un sale petit secret qui devrait être résolu en adoptant la même stratégie d'implémentation que les expressions génératrices.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

ForhandlingLargedatasetSInpython, UsenumpyArraysforbetterperformance.1) NumpyArraysAremeMory-EfficientAndFasterFornumericalOperations.2) EvitUnneceSsaryTypeConversions.3) Le effet de levier

Inpython, listSusedynamicMemoryallocation withover-allocation, whileLumpyArraySallocateFixedMemory.1) listsallocatemoreMoryThreededEdededInitialement, redimensipwenessary.2) NumpyArraySallocateExactMemoryForElements, offrantwectable usinessflexibilité.

Inpython, YouCanscthedatatatypeyfelemememedenernSspant.1) usenpynernrump.1) usenpynerp.dloatp.ploatm64, formateur préséconstrolatatype.

NumpyissentialFornumericalComputingInpythondutOtsSpeed, MemoryEfficiency et ComprehenSiveMathematicalFunctions.1) It'sfastBecauseitPerformSoperations INC.2) NumpyArraySareMoremory-EfficientThanpythonlists.3)

ContigusMymoryallocationiscrucialforAraySBauseitallowsforefficient andfastelementAccess.1) iTenablesConstanttimeAccess, o (1), duetoDirectAddressCalculation.2) itimproveScacheefficiendyAllowingMultipleElementFetchesperCacheline.3) itsimplieniesMemorymorymorymorymorymory

SlitingyPapyThonListIsDoneUsingTheSyntaxList [Démarrage: arrêt: étape] .He'showitworks: 1) startisheindexofthefirStelementoinclude.2) stopisTheIndexoftheFirstelementsoexclude.3) StepistheincrementBetweenselans.it'susefulfactingPortationSoListShsandCanusegeg

NumpyAllowsForvariousOperations ONARRAYS: 1) BasicarithmeticLikeaddition, Soustraction, Multiplication, anddivision; 2) AdvancedOperationSuchasmatrixMultiplication; 3) Element-Wiseoperations withoutExplicitloop

ArraySinpython, en particulier ThroughNumpyandPandas, aressentialfordataanalysis, offingspeeedAfficiency.1) numpyarrayablefficienthandlingoflargedatasetsandComplexOperationsLikEMoVingAverages.2)


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Adaptateur de serveur SAP NetWeaver pour Eclipse
Intégrez Eclipse au serveur d'applications SAP NetWeaver.

MinGW - GNU minimaliste pour Windows
Ce projet est en cours de migration vers osdn.net/projects/mingw, vous pouvez continuer à nous suivre là-bas. MinGW : un port Windows natif de GNU Compiler Collection (GCC), des bibliothèques d'importation et des fichiers d'en-tête librement distribuables pour la création d'applications Windows natives ; inclut des extensions du runtime MSVC pour prendre en charge la fonctionnalité C99. Tous les logiciels MinGW peuvent fonctionner sur les plates-formes Windows 64 bits.

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

Dreamweaver Mac
Outils de développement Web visuel
