Python 3의 "nonlocal" 이해: 심층 분석
Python 3에서는 강력한 "nonlocal" 키워드를 도입했습니다. 중첩된 함수 내 외부 범위의 변수. 이 질문은 "비로컬"이 어떻게 작동하는지에 대한 포괄적인 설명을 제공합니다.
"비로컬"이란 무엇입니까?
"비로컬"은 중첩된 변수의 로컬 범위에서 변수를 분리합니다. 함수를 사용하면 외부 범위의 변수에 액세스할 수 있습니다. 이는 전역 변수나 기타 복잡한 메서드를 사용하지 않고 외부 범위에서 변수를 수정해야 할 때 유용합니다.
"nonlocal"이 작동하는 방식
다음 코드를 고려하세요. 사용하지 않고 스니펫 "nonlocal":
x = 0 def outer(): x = 1 def inner(): x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
출력:
inner: 2 outer: 1 global: 0
inner() 함수의 x 값을 수정해도 external() 함수의 x 값에는 영향을 주지 않습니다. . 이는 inner()가 동일한 이름을 가진 외부 변수를 숨기는 x라는 지역 변수를 생성하기 때문입니다.
이제 "nonlocal"을 사용하여 코드를 수정해 보겠습니다.
x = 0 def outer(): x = 1 def inner(): nonlocal x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
출력:
inner: 2 outer: 2 global: 0
이 경우 inner() 함수에서 "nonlocal"을 사용하면 외부() 함수의 x 변수에 대한 링크가 설정됩니다. 범위. 내부 함수 내에서 변수를 수정함으로써 외부 범위에서 동일한 변수를 효과적으로 수정합니다.
"전역" 대 "비로컬" 사용
"전역" " 키워드는 전역 변수에 액세스하고 수정하는 데에도 사용할 수 있지만 "nonlocal"과 다르게 동작합니다. "global"은 변수를 실제 전역 범위에 바인딩하는 반면 "nonlocal"은 변수를 가장 가까운 바깥쪽 범위에 바인딩합니다.
"global"을 사용하는 다음 코드 조각을 고려하세요.
x = 0 def outer(): x = 1 def inner(): global x x = 2 print("inner:", x) inner() print("outer:", x) outer() print("global:", x)
출력 :
inner: 2 outer: 1 global: 2
보시다시피 이제 내부 함수에서 x 값을 수정하면 전역 변수에 영향을 줍니다. 외부() 범위 대신 변수 x를 사용합니다.
요약
"nonlocal"은 중첩된 외부 범위의 변수에 액세스하고 수정할 수 있게 해주는 필수 Python 키워드입니다. 전역 네임스페이스를 오염시키지 않고 기능합니다. 여러 범위에 걸쳐 데이터를 작업하는 명확하고 효율적인 방법을 제공하여 코드를 더 읽기 쉽고 유지 관리하기 쉽게 만듭니다.
위 내용은 Python의 `nonlocal` 키워드는 어떻게 작동합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

시끄러운 이미지를 다루는 것은 특히 휴대폰 또는 저해상도 카메라 사진에서 일반적인 문제입니다. 이 튜토리얼은 OpenCV를 사용 하여이 문제를 해결하기 위해 Python의 이미지 필터링 기술을 탐구합니다. 이미지 필터링 : 강력한 도구 이미지 필터

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

데이터 과학 및 처리가 가장 좋아하는 Python은 고성능 컴퓨팅을위한 풍부한 생태계를 제공합니다. 그러나 Python의 병렬 프로그래밍은 독특한 과제를 제시합니다. 이 튜토리얼은 이러한 과제를 탐구하며 전 세계 해석에 중점을 둡니다.

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

이 튜토리얼은 Python 3에서 사용자 정의 파이프 라인 데이터 구조를 작성하여 클래스 및 작업자 과부하를 활용하여 향상된 기능을 보여줍니다. 파이프 라인의 유연성은 일련의 기능을 데이터 세트, GE에 적용하는 능력에 있습니다.

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

드림위버 CS6
시각적 웹 개발 도구

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

에디트플러스 중국어 크랙 버전
작은 크기, 구문 강조, 코드 프롬프트 기능을 지원하지 않음

SublimeText3 영어 버전
권장 사항: Win 버전, 코드 프롬프트 지원!

ZendStudio 13.5.1 맥
강력한 PHP 통합 개발 환경
