python 默認(rèn)參數(shù)問題的陷阱
python 里面一個常見的陷阱就是函數(shù)的默認(rèn)參數(shù)問題。如下:
def func(mylist = []): mylist.append(1) return mylist
以下的執(zhí)行結(jié)果如下:
print func() print func() print func() print func(['a']) print func()
結(jié)果如下:
[1] [1, 1] [1, 1, 1] ['a', 1] [1, 1, 1, 1]
如此結(jié)果, 前面三個可以看出 如果沒有指定參數(shù)的話, 每次調(diào)用函數(shù)時候, 調(diào)用的mylist 是同一個對象。這是因?yàn)楹瘮?shù)的默認(rèn)參數(shù),是在代碼編譯成PyCodeObject的時候, 就已經(jīng)創(chuàng)建了對象指針,并且存在該函數(shù)的func_default內(nèi)。 以后在代碼運(yùn)行,調(diào)用函數(shù)的時候,如果沒有指定參數(shù)的話, 每次調(diào)用的話, 該參數(shù)變量都是代碼編譯階段的變量指針?biāo)付ǖ膶ο蟆?/p>
print func.func_default
此時結(jié)果就是:
([1, 1, 1, 1], )
默認(rèn)參數(shù)分為兩種情況:
默認(rèn)參數(shù)值是不可變對象
此時函數(shù)的 func_default 一直指向該不變對象, 如果函數(shù)內(nèi)部修改了該變量, 那么該默認(rèn)參數(shù)會指向一個新的不可變對象.
不過func_default 不變。 而每次調(diào)用函數(shù)都是讀取func_default, 因此每次執(zhí)行都一樣。
In [30]: def func2(var = 1): ....: var += 1 ....: return var ....: In [31]: func2() Out[31]: 2 In [32]: func2() Out[32]: 2 In [34]: func2.func_defaults Out[34]: (1,)
默認(rèn)參數(shù)是可變對象,比如 list, dict, class等
這種情況下,如果在函數(shù)內(nèi)修改了指針?biāo)傅膶ο螅ú⑽磩?chuàng)建新的對象), 那么 func_default 就會改變。這正是開始的mylist發(fā)生變化的原因。看下面的例子,:
In [35]: def func(mylist = []):
....: mylist = [] #這里 創(chuàng)建了新的對象,
mylist.append(1)
return mylist
In [44]: func()
Out[44]: [1]
In [45]: func.func_defaults
Out[45]: ([],)
由于創(chuàng)建了對象, mylist 只是作為一個 新建對象的別名存在, 后面在修改已經(jīng)與 func_default 無關(guān)了。
默認(rèn)參數(shù)的一個應(yīng)用
先看下面的一個經(jīng)典的例子:
def outer():
res = []
for i in range(4):
def inner(j):
return j * i
res.append(inner)
return res
print [m(2) for m in outer()]
#簡略版本:
def multipliers(): return [lambda x : i * x for i in range(4)] print [m(2) for m in multipliers()]
結(jié)果是 [6, 6, 6, 6] , 而不是 [0, 2, 4, 6], 原因就是閉包的延遲綁定。另外函數(shù)綁定的是變量而不是綁定數(shù)值。當(dāng)循環(huán)結(jié)束了,i的值已經(jīng)是3, 此時結(jié)果都是6. 一個解決方法便是,使用默認(rèn)參數(shù)綁定數(shù)值。如下改動:
def outer():
res = []
for i in range(4):
def inner(j, i = i):
return j * i
res.append(inner)
return res
print [m(2) for m in outer()]
#簡略版本:
def multipliers(): return [lambda x, i = i : i * x for i in range(4)] print [m(2) for m in multipliers()]
這樣的話, 利用默認(rèn)參數(shù)在代碼編譯的時候,便把參數(shù)寫到函數(shù)的func_default中, 就可以綁定0,1,2,3了。結(jié)果自然就是
[0, 2, 4, 6]
這就是默認(rèn)參數(shù)的一個應(yīng)用。
上述還有一個生成器修改的方式
def multipliers(): return (lambda x, i = i : i * x for i in range(4)) #修改成生成器 print [m(2) for m in multipliers()]
- Python函數(shù)默認(rèn)參數(shù)設(shè)置的具體方法
- python函數(shù)默認(rèn)參數(shù)使用避坑指南
- Python如何定義有默認(rèn)參數(shù)的函數(shù)
- Python新手學(xué)習(xí)函數(shù)默認(rèn)參數(shù)設(shè)置
- python默認(rèn)參數(shù)調(diào)用方法解析
- python 默認(rèn)參數(shù)相關(guān)知識詳解
- Python中的默認(rèn)參數(shù)實(shí)例分析
- Python進(jìn)階-函數(shù)默認(rèn)參數(shù)(詳解)
- Python中的默認(rèn)參數(shù)詳解
- Python默認(rèn)參數(shù)的使用機(jī)制
相關(guān)文章
基于Python實(shí)現(xiàn)拆分和合并GIF動態(tài)圖
這篇文章主要介紹了Python拆分和合并GIF動態(tài)圖,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-10-10
Python深度學(xué)習(xí)之Keras模型轉(zhuǎn)換成ONNX模型流程詳解
這篇文章主要介紹了Python深度學(xué)習(xí)之Keras模型轉(zhuǎn)換成ONNX模型流程,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)吧2022-09-09
python3整數(shù)反轉(zhuǎn)的實(shí)現(xiàn)方法
這篇文章主要介紹了python3整數(shù)反轉(zhuǎn)的實(shí)現(xiàn)方法,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
python簡單實(shí)現(xiàn)旋轉(zhuǎn)圖片的方法
這篇文章主要介紹了python簡單實(shí)現(xiàn)旋轉(zhuǎn)圖片的方法,涉及Python中image模塊使用技巧,需要的朋友可以參考下2015-05-05
Python NumPy中的隨機(jī)數(shù)及ufuncs函數(shù)使用示例詳解
這篇文章主要介紹了Python NumPy中的隨機(jī)數(shù)及ufuncs函數(shù)使用,ufunc函數(shù)是NumPy中的一種通用函數(shù),它可以對數(shù)組中的每個元素進(jìn)行操作,而不需要使用循環(huán)語句,文中通過示例代碼介紹的非常詳細(xì),需要的朋友們下面隨著小編來一起學(xué)習(xí)吧2023-05-05
Python人工智能之路 jieba gensim 最好別分家之最簡單的相似度實(shí)現(xiàn)
這篇文章主要介紹了Python人工智能之路 jieba gensim 最好別分家之最簡單的相似度實(shí)現(xiàn) ,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下2019-08-08
PyQt5 QListWidget選擇多項(xiàng)并返回的實(shí)例
今天小編就為大家分享一篇PyQt5 QListWidget選擇多項(xiàng)并返回的實(shí)例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
基于python實(shí)現(xiàn)可視化生成二維碼工具
這篇文章主要介紹了基于python實(shí)現(xiàn)可視化生成二維碼工具,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-07-07
使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式
今天小編就為大家分享一篇使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01

