申请专栏作者
您的当前位置:主页 > yabo亚博体育下载 > 正文

WTF Python:有趣且鲜为人知的Python特性

来源: 时间:2018-12-03

Python 是一个设计优美的解释型高级语言,它提供了很多能让程序员感到舒适的功能特性。但有的时候,Python的一些输出结果对于初学者来说似乎并不是那么一目了然。 这个有趣的项目意在收集 Python 中那些难以理解和反人类直觉的例子以及鲜为人知的功能特性,并尝试讨论这些现象背后真正的原理!

可思yabo88滚球-www.sykv.cn,sykv.com

虽然下面的有些例子并不一定会让你觉得 WTFs,但它们依然有可能会告诉你一些你所不知道的 Python 有趣特性。我觉得这是一种学习编程语言内部原理的好办法,而且我相信你也会从中获得乐趣! 可思yabo88滚球

如果您是一位经验比较丰富的 Python 程序员,你可以尝试挑战看是否能一次就找到例子的正确答案。你可能对其中的一些例子已经比较熟悉了,那这也许能唤起你当年踩这些坑时的甜蜜回忆~ 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

如果你不是第一次读了, 你可以在这里获取变动内容.

可思yabo88滚球

更新说明:https://github.com/satwikkansal/wtfpython/releases/
项目地址:https://github.com/leisurelicht/wtfpython-cn
英文版:https://github.com/satwikkansal/wtfpython
pdf 版:http://www.satwikkansal.xyz/wtfpython-pdf/

可思yabo88滚球-人工智能资讯平台

那么,让我们开始吧...

可思yabo88滚球-人工智能资讯平台

? 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

? 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 本文来自可思yabo88滚球,转载请联系本站及注明出处

? 本文来自可思yabo88滚球,转载请联系本站及注明出处

? 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

?

可思yabo88滚球

?

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

Structure of the Examples/示例结构

可思yabo88滚球

所有示例的结构都如下所示: 本文来自可思yabo88滚球,转载请联系本站及注明出处

> 一个精选的标题 *

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

标题末尾的星号表示该示例在第一版中不存在,是最近添加的。 可思yabo88滚球

# 准备代码.# 释放魔法... 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

Output (Python version):

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

>>> 触发语句

可思yabo88滚球-www.sykv.cn,sykv.com

出乎意料的输出结果

可思yabo88滚球

(可选):对意外输出结果的简短描述。

可思yabo88滚球-www.sykv.cn,sykv.com

说明: 可思yabo88滚球-人工智能资讯平台

简要说明发生了什么以及为什么会发生。

可思yabo88滚球-人工智能资讯平台

如有必要, 举例说明 内容来自可思yabo88滚球

Output:
>>> 触发语句 # 一些让魔法变得容易理解的例子# 一些正常的输入

可思yabo88滚球

注意: 所有的示例都在 Python 3.5.2 版本的交互解释器上测试过, 如果不特别说明应该适用于所有 Python 版本.

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

Usage/用法

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

我个人建议,最好依次阅读下面的示例,并对每个示例:

内容来自可思yabo88滚球

? 仔细阅读设置例子最开始的代码。如果您是一位经验丰富的 Python 程序员,那么大多数时候您都能成功预期到后面的结果。

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 阅读输出结果,

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 确认结果是否如你所料。 内容来自可思yabo88滚球

? 确认你是否知道这背后的原理。 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 如果不知道, 深呼吸然后阅读说明 (如果你还是看不明白, 别沉默!可以在这 (https://github.com/satwikkansal/wtfPython) 提个 issue)。 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

如果知道,给自己点奖励,然后去看下一个例子。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

PS: 你也可以在命令行阅读 WTFpython. 我们有 pypi 包 和 npm 包 (支持代码高亮)。(译: 这两个都是英文版的)

内容来自可思yabo88滚球

安装 npm 包 wtfpython(https://www.npmjs.com/package/wtfpython) 可思yabo88滚球-www.sykv.cn,sykv.com

$ npm install -g wtfpython 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

或者, 安装 pypi 包 wtfpython(https://pypi.python.org/pypi/wtfpython) 可思yabo88滚球-www.sykv.cn,sykv.com

$ pip install wtfpython -U 可思yabo88滚球

现在, 在命令行中运行 wtfpython, 你就可以开始浏览了.

可思yabo88滚球-人工智能资讯平台

Examples/示例

可思yabo88滚球-www.sykv.cn,sykv.com

Section: Strain your brain!/大脑运动!

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

> Strings can be tricky sometimes/微妙的字符串 *

可思yabo88滚球-人工智能资讯平台

1.

可思yabo88滚球

>>> a = "some_string"
>>> id(a)140420665652016
>>> id("some" + "_" + "string") # 注意两个的id值是相同的.
140420665652016

可思yabo88滚球

2. 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

>>> a = "wtf"
>>> b = "wtf"
>>> a is bTrue
>>> a = "wtf!"
>>> b = "wtf!"
>>> a is bFalse
>>> a, b = "wtf!", "wtf!"
>>> a is b
True 可思yabo88滚球-www.sykv.cn,sykv.com

3.

可思yabo88滚球

>>> 'a' * 20 is 'aaaaaaaaaaaaaaaaaaaa'
True
>>> 'a' * 21 is 'aaaaaaaaaaaaaaaaaaaaa'
False

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

?

可思yabo88滚球

很好理解, 对吧?

可思yabo88滚球

说明:

内容来自可思yabo88滚球

? 这些行为是由于 Cpython 在编译优化时, 某些情况下会尝试使用已经存在的不可变对象而不是每次都创建一个新对象。(这种行为被称作字符串的驻留 [string interning])

可思yabo88滚球-人工智能资讯平台

? 发生驻留之后, 许多变量可能指向内存中的相同字符串对象。(从而节省内存)

可思yabo88滚球-www.sykv.cn,sykv.com

? 在上面的代码中, 字符串是隐式驻留的. 何时发生隐式驻留则取决于具体的实现. 这里有一些方法可以用来猜测字符串是否会被驻留: 内容来自可思yabo88滚球

? 所有长度为 0 和长度为 1 的字符串都被驻留。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 字符串在编译时被实现('wtf' 将被驻留, 但是 ''.join(['w', 't', 'f'] 将不会被驻留)

本文来自可思yabo88滚球,转载请联系本站及注明出处

? 字符串中只包含字母,数字或下划线时将会驻留. 所以 'wtf!' 由于包含 ! 而未被驻留. 可以在这里找到 CPython 对此规则的实现。 可思yabo88滚球

? 本文来自可思yabo88滚球,转载请联系本站及注明出处

? 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

? 当在同一行将 a 和 b 的值设置为 "wtf!" 的时候, Python 解释器会创建一个新对象, 然后同时引用第二个变量。如果你在不同的行上进行赋值操作,它就不会「知道」已经有一个 wtf!对象 (因为 "wtf!" 不是按照上面提到的方式被隐式驻留的). 它是一种编译器优化, 特别适用于交互式环境。 内容来自可思yabo88滚球

? 常量折叠 (constant folding) 是 Python 中的一种 窥孔优化 (peephole optimization) 技术。这意味着在编译时表达式 'a'*20 会被替换为 'aaaaaaaaaaaaaaaaaaaa' 以减少运行时的时钟周期。只有长度小于 20 的字符串才会发生常量折叠。(为啥? 想象一下由于表达式 'a'*10**10 而生成的 .pyc 文件的大小)。相关的源码实现在这里(https://github.com/python/cpython/blob/3.6/Python/peephole.c#L288)。 本文来自可思yabo88滚球,转载请联系本站及注明出处

> Time for some hash brownies!/是时候来点蛋糕了! 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? hash brownie 指一种含有大麻成分的蛋糕, 所以这里是句双关

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

1.

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

some_dict = {}
some_dict[5.5] = "Ruby"
some_dict[5.0] = "JavaScript"
some_dict[5] = "Python"

内容来自可思yabo88滚球

Output: 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

>>> some_dict[5.5]
"Ruby"
>>> some_dict[5.0]
"Python"
>>> some_dict[5]
"Python"

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 本文来自可思yabo88滚球,转载请联系本站及注明出处

"Python" 消除了 "JavaScript" 的存在?

本文来自可思yabo88滚球,转载请联系本站及注明出处

说明: 内容来自可思yabo88滚球

? Python 字典通过检查键值是否相等和比较哈希值来确定两个键是否相同。

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 具有相同值的不可变对象在 Python 中始终具有相同的哈希值。 本文来自可思yabo88滚球,转载请联系本站及注明出处

>>> 5 == 5.0
True
>>> hash(5) == hash(5.0)
True 可思yabo88滚球

注意: 具有不同值的对象也可能具有相同的哈希值(哈希冲突).

本文来自可思yabo88滚球,转载请联系本站及注明出处

? 当执行 some_dict[5] = "Python" 语句时, 因为 Python 将 5 和 5.0 识别为 some_dict 的同一个键, 所以已有值 "JavaScript" 就被 "Python" 覆盖了.

可思yabo88滚球

? 这个 StackOverflow 的回答(https://stackoverflow.com/a/32211042/4354153)漂亮的解释了这背后的基本原理.

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

> Return return everywhere!/到处返回!

内容来自可思yabo88滚球

def some_func():
try:
return 'from_try'
finally:
return 'from_finally'

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

Output:

可思yabo88滚球

>>> some_func()
'from_finally' 可思yabo88滚球-www.sykv.cn,sykv.com

说明: 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 当在 "try...finally" 语句的 try 中执行 return, break 或 continue 后,finally 子句依然会执行。

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 函数的返回值由最后执行的 return 语句决定。由于 finally 子句一定会执行,所以 finally 子句中的 return 将始终是最后执行的语句。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

> Deep down, we're all the same./本质上, 我们都一样. *

本文来自可思yabo88滚球,转载请联系本站及注明出处

class WTF:
pass 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

Output:

可思yabo88滚球-人工智能资讯平台

>>> WTF() == WTF() # 两个不同的对象应该不相等
False
>>> WTF() is WTF() # 也不相同
False
>>> hash(WTF()) == hash(WTF()) # 哈希值也应该不同
True
>>> id(WTF()) == id(WTF())
True

可思yabo88滚球

说明: 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

? 当调用 id 函数时,Python 创建了一个 WTF 类的对象并传给 id 函数。然后 id 函数获取其 id 值 (也就是内存地址),然后丢弃该对象。该对象就被销毁了。 内容来自可思yabo88滚球

? 当我们连续两次进行这个操作时,Python 会将相同的内存地址分配给第二个对象。因为 (在 CPython 中) id 函数使用对象的内存地址作为对象的 id 值,所以两个对象的 id 值是相同的。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 综上,对象的 id 值仅仅在对象的生命周期内唯一。在对象被销毁之后,或被创建之前,其他对象可以具有相同的 id 值。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 那为什么 is 操作的结果为 False 呢?让我们看看这段代码。

可思yabo88滚球-www.sykv.cn,sykv.com

class WTF(object):
def __init__(self): print("I")
def __del__(self): print("D") 本文来自可思yabo88滚球,转载请联系本站及注明出处

Output:

本文来自可思yabo88滚球,转载请联系本站及注明出处

>>> WTF() is WTF()
I
I
D
DFalse>>> id(WTF()) == id(WTF())
I
D
I
DTrue

可思yabo88滚球

正如你所看到的, 对象销毁的顺序是造成所有不同之处的原因.

内容来自可思yabo88滚球

> For what?/为什么? 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

some_string = "wtf"
some_dict = {}
for i, some_dict[i] in enumerate(some_string):
pass

可思yabo88滚球-人工智能资讯平台

Output: 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

>>> some_dict # 创建了索引字典.
{0: 'w', 1: 't', 2: 'f'} 本文来自可思yabo88滚球,转载请联系本站及注明出处

说明:

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? Python 语法 中对 for 的定义是: 内容来自可思yabo88滚球

for_stmt: 'for' exprlist 'in' testlist ':' suite ['else' ':' suite] 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

其中 exprlist 指分配目标。这意味着对可迭代对象中的每一项都会执行类似 {exprlist} = {next_value} 的操作。 可思yabo88滚球-人工智能资讯平台

一个有趣的例子说明了这一点: 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

for i in range(4):
print(i)
i = 10 可思yabo88滚球-人工智能资讯平台

? 本文来自可思yabo88滚球,转载请联系本站及注明出处

Output: 可思yabo88滚球-www.sykv.cn,sykv.com

0
1
2
3 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

你可曾觉得这个循环只会运行一次? 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

说明:

可思yabo88滚球

? 由于循环在 Python 中工作方式,赋值语句 i = 10 并不会影响迭代循环,在每次迭代开始之前,迭代器 (这里指 range(4)) 生成的下一个元素就被解包并赋值给目标列表的变量 (这里指 i) 了。 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 在每一次的迭代中, enumerate(some_string) 函数就生成一个新值 i (计数器增加) 并从 some_string 中获取一个字符. 然后将字典 some_dict 键 i (刚刚分配的) 的值设为该字符. 本例中循环的展开可以简化为: 可思yabo88滚球-人工智能资讯平台

>>> i, some_dict[i] = (0, 'w')
>>> i, some_dict[i] = (1, 't')
>>> i, some_dict[i] = (2, 'f')
>>> some_dict

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

?

可思yabo88滚球

> Evaluation time discrepancy/评估时间差异

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

1. 内容来自可思yabo88滚球

array = [1, 8, 15]
g = (x for x in array if array.count(x) > 0)
array = [2, 8, 22]

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

Output: 可思yabo88滚球

>>> print(list(g))
[8] 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

2.

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

array_1 = [1,2,3,4]
g1 = (x for x in array_1)
array_1 = [1,2,3,4,5]
array_2 = [1,2,3,4]
g2 = (x for x in array_2)
array_2[:] = [1,2,3,4,5] 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

Output:

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

>>> print(list(g1))
[1,2,3,4]
>>> print(list(g2))
[1,2,3,4,5]

可思yabo88滚球-www.sykv.cn,sykv.com

说明 可思yabo88滚球

? 在生成器表达式中,in 子句在声明时执行,而条件子句则是在运行时执行。 可思yabo88滚球-人工智能资讯平台

? 所以在运行前,array 已经被重新赋值为 [2, 8, 22],因此对于之前的 1, 8 和 15, 只有 count(8) 的结果是大于 0 的,所以生成器只会生成 8。 内容来自可思yabo88滚球

? 第二部分中 g1 和 g2 的输出差异则是由于变量 array_1 和 array_2 被重新赋值的方式导致的。

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 在第一种情况下,array_1 被绑定到新对象 [1,2,3,4,5],因为 in 子句是在声明时被执行的,所以它仍然引用旧对象 [1,2,3,4](并没有被销毁)。

可思yabo88滚球-www.sykv.cn,sykv.com

? 在第二种情况下,对 array_2 的切片赋值将相同的旧对象 [1,2,3,4] 原地更新为 [1,2,3,4,5]。因此 g2 和 array_2 仍然引用同一个对象 (这个对象现在已经更新为 [1,2,3,4,5])。

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

> is is not what it is!/出人意料的 is! 内容来自可思yabo88滚球

下面是一个在互联网上非常有名的例子.

可思yabo88滚球-www.sykv.cn,sykv.com

>>> a = 256
>>> b = 256
>>> a is b
True

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

>>> a = 257
>>> b = 257
>>> a is b
False 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

>>> a = 257; b = 257
>>> a is b
True

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

说明: 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

is 和 == 的区别

可思yabo88滚球-人工智能资讯平台

? is 运算符检查两个运算对象是否引用自同一对象 (即, 它检查两个预算对象是否相同)。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? == 运算符比较两个运算对象的值是否相等。

本文来自可思yabo88滚球,转载请联系本站及注明出处

? 因此 is 代表引用相同,== 代表值相等。下面的例子可以很好的说明这点,

本文来自可思yabo88滚球,转载请联系本站及注明出处

>>> [] == []
True
>>> [] is [] # 这两个空列表位于不同的内存地址.
False 可思yabo88滚球-人工智能资讯平台

256 是一个已经存在的对象, 而 257 不是 可思yabo88滚球

当你启动 Python 的时候, -5 到 256 的数值就已经被分配好了。这些数字因为经常使用所以适合被提前准备好。 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

引用自 https://docs.python.org/3/c-api/long.html

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

当前的实现为-5 到 256 之间的所有整数保留一个整数对象数组, 当你创建了一个该范围内的整数时, 你只需要返回现有对象的引用. 所以改变 1 的值是有可能的. 我怀疑这种行为在 Python 中是未定义行为. :-)

内容来自可思yabo88滚球

>>> id(256)
10922528
>>> a = 256
>>> b = 256
>>> id(a)
10922528
>>> id(b)
10922528
>>> id(257)
140084850247312
>>> x = 257
>>> y = 257
>>> id(x)
140084850247440
>>> id(y)
140084850247344 本文来自可思yabo88滚球,转载请联系本站及注明出处

这里解释器并没有智能到能在执行 y = 257 时意识到我们已经创建了一个整数 257,所以它在内存中又新建了另一个对象。

可思yabo88滚球-人工智能资讯平台

当 a 和 b 在同一行中使用相同的值初始化时,会指向同一个对象。

可思yabo88滚球-www.sykv.cn,sykv.com

>>> a, b = 257, 257
>>> id(a)
140640774013296
>>> id(b)
140640774013296
>>> a = 257
>>> b = 257
>>> id(a)
140640774013392
>>> id(b)
140640774013488 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 当 a 和 b 在同一行中被设置为 257 时, Python 解释器会创建一个新对象, 然后同时引用第二个变量. 如果你在不同的行上进行, 它就不会 "知道" 已经存在一个 257 对象了。 可思yabo88滚球-www.sykv.cn,sykv.com

? 这是一种特别为交互式环境做的编译器优化. 当你在实时解释器中输入两行的时候, 他们会单独编译, 因此也会单独进行优化. 如果你在 .py 文件中尝试这个例子, 则不会看到相同的行为, 因为文件是一次性编译的。 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

> A tic-tac-toe where X wins in the first attempt!/一蹴即至!

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

# 我们先初始化一个变量row
row = [""]*3 #row i['', '', '']
# 并创建一个变量board
board = [row]*3 可思yabo88滚球-www.sykv.cn,sykv.com

Output:

可思yabo88滚球-人工智能资讯平台

>>> board
[['', '', ''], ['', '', ''], ['', '', '']]
>>> board[0]
['', '', '']
>>> board[0][0]''
>>> board[0][0] = "X"
>>> board
[['X', '', ''], ['X', '', ''], ['X', '', '']]

可思yabo88滚球-www.sykv.cn,sykv.com

我们有没有赋值过 3 个 "X" 呢? 可思yabo88滚球-www.sykv.cn,sykv.com

说明: 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

当我们初始化 row 变量时, 下面这张图展示了内存中的情况。

内容来自可思yabo88滚球

? 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

?

内容来自可思yabo88滚球

而当通过对 row 做乘法来初始化 board 时, 内存中的情况则如下图所示 (每个元素 board[0], board[1] 和 board[2] 都和 row 一样引用了同一列表.) 本文来自可思yabo88滚球,转载请联系本站及注明出处

? 内容来自可思yabo88滚球

? 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

我们可以通过不使用变量 row 生成 board 来避免这种情况. (这个 issue 提出了这个需求(https://github.com/satwikkansal/wtfpython/issues/68) 可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

>>> board = [['']*3 for _ in range(3)]
>>> board[0][0] = "X"
>>> board
[['X', '', ''], ['', '', ''], ['', '', '']] 可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

> The sticky output function/麻烦的输出

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

funcs = []
results = []
for x in range(7):
def some_func():
return x
funcs.append(some_func)
results.append(some_func())

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

funcs_results = [func() for func in funcs] 可思yabo88滚球

Output:

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

>>> results
[0, 1, 2, 3, 4, 5, 6]
>>> funcs_results
[6, 6, 6, 6, 6, 6, 6]

本文来自可思yabo88滚球,转载请联系本站及注明出处

即使每次在迭代中将 some_func 加入 funcs 前的 x 值都不相同, 所有的函数还是都返回 6。 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

// 再换个例子

可思yabo88滚球

>>> powers_of_x = [lambda x: x**i for i in range(10)]
>>> [f(2) for f in powers_of_x]
[512, 512, 512, 512, 512, 512, 512, 512, 512, 512]

可思yabo88滚球-www.sykv.cn,sykv.com

说明:

可思yabo88滚球-AI,人工智能,深度学习,机器学习,神经网络

? 当在循环内部定义一个函数时,如果该函数在其主体中使用了循环变量,则闭包函数将与循环变量绑定,而不是它的值。因此,所有的函数都是使用最后分配给变量的值来进行计算的。

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人

? 可以通过将循环变量作为命名变量传递给函数来获得预期的结果。为什么这样可行?因为这会在函数内再次定义一个局部变量。 本文来自可思yabo88滚球,转载请联系本站及注明出处

funcs = []
for x in range(7):
def some_func(x=x):
return x
funcs.append(some_func)

本文来自可思yabo88滚球,转载请联系本站及注明出处

Output:

内容来自可思yabo88滚球

>>> funcs_results = [func() for func in funcs]
>>> funcs_results
[0, 1, 2, 3, 4, 5, 6] 可思yabo88滚球-www.sykv.cn,sykv.com

> is not ... is not is (not ...)/is not ... 不是 is (not ...) 可思yabo88滚球

>>> 'something' is not None
True
>>> 'something' is (not None)
False

可思yabo88滚球-www.sykv.cn,sykv.com

说明:

本文来自可思yabo88滚球,转载请联系本站及注明出处

? is not 是个单独的二进制运算符,和分别使用 is 和 not 不同。 内容来自可思yabo88滚球

? 如果操作符两侧的变量指向同一个对象,则 is not 的结果为 False, 否则结果为 True。 内容来自可思yabo88滚球

本文中摘录了该项目中约 1/4 的例子,更多内容请查看原项目页:

可思yabo88滚球-AI,智能驾驶,人脸识别,区块链,大yabo88滚球

? https://github.com/leisurelicht/wtfpython-cn 本文来自可思yabo88滚球,转载请联系本站及注明出处


网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片 匿名?

Copyright?2005-2018 Sykv.cn 可思yabo88滚球 版权所有 ?? 网站地图?? 联系我们??

人工智能资讯?? 人工智能资讯?? 人工智能资讯?? 人工智能资讯

?扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部