


Création de fonctions dans des boucles : résolution des problèmes de liaison tardive
Lorsque vous essayez de définir des fonctions individuelles dans une boucle, il est courant de rencontrer le problème où toutes les fonctions renvoient la même valeur même si elles sont destinées à représenter des résultats uniques. Ce phénomène, connu sous le nom de liaison tardive, se produit car les fonctions ne reçoivent pas leurs arguments tant qu'elles ne sont pas appelées.
Considérons l'exemple suivant utilisant une boucle for :
functions = [] for i in range(3): def f(): return i functions.append(f)
Telle qu'elle est écrite, chaque fonction recherche sa valeur correspondante de i au moment où il est appelé. Cependant, une fois la boucle exécutée, toutes les fonctions feront référence à la valeur finale de i (2), ce qui donnera le résultat suivant :
print([f() for f in functions]) # Expected: [0, 1, 2] # Actual: [2, 2, 2]
Solution : application de la liaison anticipée
Pour résoudre ce problème, il est nécessaire de forcer la liaison anticipée en attribuant des arguments aux fonctions au moment de la définition plutôt qu'au moment de l'appel. Ceci peut être réalisé en ajoutant un argument par défaut à la définition de la fonction :
functions = [] for i in range(3): def f(i=i): return i functions.append(f)
L'argument par défaut (dans ce cas, i=i) est évalué lorsque la fonction est définie, pas lorsqu'elle est appelée. Cela garantit que chaque fonction conserve sa valeur d'argument unique, produisant le résultat souhaité :
print([f() for f in functions]) # Output: [0, 1, 2]
Approche alternative utilisant la fermeture
Si des inquiétudes surviennent quant au potentiel d'arguments supplémentaires à transmettre à la fonction, une approche plus élaborée peut être implémentée à l'aide de fermetures :
def make_f(i): def f(): return i return f
Dans ce scénario, une fabrique de fonctions (make_f) est créé. Dans la boucle, la fonction renvoyée par make_f est affectée à la variable f au lieu d'appeler directement def f():. Cette approche garantit que chaque fonction conserve sa valeur d'argument exclusive, comme dans la première solution de liaison.
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!

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)

ListsandNumpyArraysInpythonHaveDidifferentMemoryfootprints: listsaRemoreFlexibles Butlessmemory économe, tandis que la liste de résensés est-ce qui

ToenSurepythonscriptsBeHavecorrectlyAcrossDevelopment, mise en scène et production, catégories de type: 1) EnvironmentVariblesForsImplesettings, 2) ConfigurationFilesForComplexsetups et3) dynamicloadingforadaptability.eachMethodoffersNebeneFitsAndreCeresca

La syntaxe de base pour le découpage de la liste Python est la liste [Démarrage: arrêt: étape]. 1.Start est le premier index d'élément inclus, 2.STOP est le premier indice d'élément exclu et 3.StEP détermine la taille de l'étape entre les éléments. Les tranches sont non seulement utilisées pour extraire les données, mais aussi pour modifier et inverser les listes.

ListesoutPerformarRaySin: 1) dynamicingizingandfrequentinSertions / Deletions, 2) StoringheteroGeneousData, and3) MemoryEfficiencyForsparsedata, butmayhaveslightperformanceCostSincertorations.

Toconvertapythonarraytoalist, usethelist () Constructororageneratorexpression.1) ImportTheArrayModuleandCreateArray.2) Uselist (Arr) ou [Xforxinarr] à Convertittoalist, considérant la performance et le domaine de l'émie-efficacité pour les étages.


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

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.

Version crackée d'EditPlus en chinois
Petite taille, coloration syntaxique, ne prend pas en charge la fonction d'invite de code

Télécharger la version Mac de l'éditeur Atom
L'éditeur open source le plus populaire

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

SublimeText3 version anglaise
Recommandé : version Win, prend en charge les invites de code !
