python 默認(rèn)參數(shù)問(wèn)題的陷阱
python 里面一個(gè)常見(jiàn)的陷阱就是函數(shù)的默認(rèn)參數(shù)問(wèn)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(gè)可以看出 如果沒(méi)有指定參數(shù)的話, 每次調(diào)用函數(shù)時(shí)候, 調(diào)用的mylist 是同一個(gè)對(duì)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(shí)候, 就已經(jīng)創(chuàng)建了對(duì)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(shí)候,如果沒(méi)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?duì)象。
print func.func_default
此時(shí)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(duì)象
此時(shí)函數(shù)的 func_default 一直指向該不變對(duì)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(huì)指向一個(gè)新的不可變對(duì)象.
不過(guò)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(duì)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?duì)象(并未創(chuàng)建新的對(duì)象), 那么 func_default 就會(huì)改變。這正是開(kāi)始的mylist發(fā)生變化的原因??聪旅娴睦?:
In [35]: def func(mylist = []): ....: mylist = [] #這里 創(chuàng)建了新的對(duì)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(duì)象, mylist 只是作為一個(gè) 新建對(duì)象的別名存在, 后面在修改已經(jīng)與 func_default 無(wú)關(guān)了。
默認(rèn)參數(shù)的一個(gè)應(yīng)用
先看下面的一個(gè)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(jiǎn)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(shí)結(jié)果都是6. 一個(gè)解決方法便是,使用默認(rèn)參數(shù)綁定數(shù)值。如下改動(dòng):
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(jiǎn)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(shí)候,便把參數(shù)寫(xiě)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(gè)應(yīng)用。
上述還有一個(gè)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(shí)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(dòng)態(tài)圖
這篇文章主要介紹了Python拆分和合并GIF動(dòng)態(tài)圖,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-10-10Python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(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)吧2022-09-09python3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(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04python簡(jiǎn)單實(shí)現(xiàn)旋轉(zhuǎn)圖片的方法
這篇文章主要介紹了python簡(jiǎn)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2015-05-05Python Pandas 獲取列匹配特定值的行的索引問(wèn)題
這篇文章主要介紹了Python Pandas 獲取列匹配特定值的行的索引問(wèn)題,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-07-07Python 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(duì)數(shù)組中的每個(gè)元素進(jìn)行操作,而不需要使用循環(huán)語(yǔ)句,文中通過(guò)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(lái)一起學(xué)習(xí)吧2023-05-05Python人工智能之路 jieba gensim 最好別分家之最簡(jiǎn)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(jiǎn)單的相似度實(shí)現(xiàn) ,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-08-08PyQt5 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(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)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(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01