


Importations circulaires en Python
Les importations circulaires se produisent lorsque plusieurs modules tentent de s'importer les uns les autres, formant une dépendance cyclique. Comprendre le comportement des importations circulaires est crucial pour les programmeurs Python.
Impact des importations circulaires
Si deux modules s'importent directement l'un l'autre, comme import foo dans bar.py et la barre d'importation dans foo.py, l'importation réussira sans aucun problème. Cependant, des problèmes surviennent lors de la tentative d'importation d'attributs ou de sous-modules spécifiques dans le cadre d'une importation circulaire.
Considérez le scénario suivant :
# module foo.py from bar import xyz # module bar.py from foo import abc
Dans ce cas, chaque module nécessite que l'autre soit importé avant il peut accéder à l'attribut ou au sous-module spécifique. Cela entraîne une erreur d'importation, car Python ne peut pas déterminer quel module doit être importé en premier dans le cycle.
Importations circulaires de travail en Python
Malgré les problèmes potentiels, il Il existe certains scénarios dans lesquels les importations circulaires peuvent ne pas rencontrer d'erreurs :
- Importation de modules en haut de la page file : Si les deux modules sont importés au niveau supérieur sans utiliser d'attributs ou de sous-modules spécifiques, cela fonctionnera à la fois dans Python 2 et Python 3.
- Importation depuis une fonction en utilisant from : Si les attributs ou sous-modules spécifiques sont importés depuis une fonction en utilisant from, cela fonctionne à la fois en Python 2 et en Python. 3.
- Importer des attributs de package plutôt que des modules : Si au lieu d'importer une barre, l'attribut spécifique xyz est importé du package bar à l'aide de from bar import xyz, les importations circulaires peuvent toujours fonctionner.
Exemples
Le code Python suivant illustre le fonctionnement des importations circulaires dans divers scénarios :
Exemple 1 (Python 3 uniquement)
# lib/foo.py from . import bar def abc(): print(bar.xyz.__name__) # lib/bar.py from . import foo def xyz(): print(foo.abc.__name__)
Exemple 2 (Python 2 uniquement)
# lib/foo.py import bar def abc(): print(bar.xyz.__name__) # lib/bar.py import foo def xyz(): print(foo.abc.__name__)
Exemple 3
# lib/foo.py from lib.bar import xyz # lib/bar.py from lib.foo import abc
Conclusion
Bien que les importations circulaires puissent conduire à des erreurs, il est essentiel de préciser comment Python les gère. En suivant les directives décrites ci-dessus, les programmeurs peuvent éviter les erreurs d'importation et garantir le bon comportement de leurs programmes Python.
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!

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

La sérialisation et la désérialisation des objets Python sont des aspects clés de tout programme non trivial. Si vous enregistrez quelque chose dans un fichier Python, vous effectuez une sérialisation d'objets et une désérialisation si vous lisez le fichier de configuration, ou si vous répondez à une demande HTTP. Dans un sens, la sérialisation et la désérialisation sont les choses les plus ennuyeuses du monde. Qui se soucie de tous ces formats et protocoles? Vous voulez persister ou diffuser des objets Python et les récupérer dans son intégralité plus tard. C'est un excellent moyen de voir le monde à un niveau conceptuel. Cependant, à un niveau pratique, le schéma de sérialisation, le format ou le protocole que vous choisissez peut déterminer la vitesse, la sécurité, le statut de liberté de maintenance et d'autres aspects du programme

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI

Ce tutoriel s'appuie sur l'introduction précédente à la belle soupe, en se concentrant sur la manipulation de Dom au-delà de la simple navigation sur les arbres. Nous explorerons des méthodes et techniques de recherche efficaces pour modifier la structure HTML. Une méthode de recherche DOM commune est ex

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.


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

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

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.

Dreamweaver CS6
Outils de développement Web visuel

Version Mac de WebStorm
Outils de développement JavaScript utiles