Python中的块范围

Question 1

当您使用其他语言编写代码时，有时会创建一个块作用域，如下所示：

statement
...
statement
{
    statement
    ...
    statement
}
statement
...
statement

（很多）目的之一是提高代码的可读性：表明某些语句形成一个逻辑单元或某些局部变量仅在该块中使用。

在Python中是否有惯用的方式做同样的事情？

Question 2

不，创建块范围没有语言支持。

以下构造创建范围：

模组
类
函数（包括lambda）
生成器表达式
理解（dict，set，list（在Python 3.x中））

Question 3

Python中的惯用方式是使函数简短。如果您认为需要此代码，请重构代码！:)

Python为每个模块，类，函数，生成器表达式，dict理解，集合理解以及在Python 3.x中为每个列表理解创建新作用域。除此之外，函数内部没有嵌套作用域。

Question 4

您可以通过在函数内部声明一个函数然后立即调用它来在Python中执行类似于C ++块作用域的操作。例如：

def my_func():
    shared_variable = calculate_thing()

    def do_first_thing():
        ... = shared_variable
    do_first_thing()

    def do_second_thing():
        foo(shared_variable)
        ...
    do_second_thing()

如果您不确定为什么要这样做，那么此视频可能会说服您。

基本原则是在不将任何“垃圾”（额外类型/函数）引入比绝对要求更广的范围的情况下，尽可能紧密地限制所有范围-do_first_thing()例如，其他任何人都不想使用该方法，因此不应将其限制在范围之外。调用函数。

Question 5

我同意没有限制范围。但是python 3中的一个地方使其像SEEM一样具有块作用域。

发生了什么，给了这个外观？这在python 2中正常工作，但是为了使变量泄漏在python 3中停止，他们做了这个技巧，并且此更改使其看起来像在这里具有块作用域。

让我解释。

根据作用域的思想，当我们在同一作用域内引入具有相同名称的变量时，应修改其值。

这就是python 2中发生的事情

>>> x = 'OLD'
>>> sample = [x for x in 'NEW']
>>> x
'W'

但是在python 3中，即使引入了具有相同名称的变量，它也不会被覆盖，但出于某种原因，列表理解的行为就像沙箱一样，并且似乎在其中创建了新的作用域。

>>> x = 'OLD'
>>> sample = [x for x in 'NEW']
>>> x
'OLD'

这与答案@Thomas的说法背道而驰。创建范围的唯一方法是函数，类或模块，因为这看起来就像在创建新范围的另一个地方。

Question 6

模块（和包）是将程序划分为单独的命名空间的一种很棒的Python方式，这似乎是此问题的隐含目标。确实，当我学习Python的基础知识时，我对缺少块作用域功能感到沮丧。但是，一旦我理解了Python模块，就可以更优雅地实现我以前的目标，而无需块作用域。

作为激励并引导人们朝着正确的方向发展，我认为提供一些Python范围定义构造的明确示例很有用。首先，我解释了我使用Python类实现块范围的尝试失败。接下来，我将解释如何使用Python模块获得更多有用的东西。最后，我概述了包在加载和过滤数据中的实际应用。

用类尝试块作用域

有一会儿，我认为我已经通过将代码粘贴在类声明中来实现了块作用域：

x = 5
class BlockScopeAttempt:
    x = 10
    print(x) # Output: 10
print(x) # Output: 5

不幸的是，当定义一个函数时，这会崩溃：

x = 5 
class BlockScopeAttempt: 
    x = 10
    print(x) # Output: 10
    def printx2(): 
        print(x) 
    printx2() # Output: 5!!!

这是因为在类中定义的函数使用全局范围。解决此问题的最简单（虽然不是唯一）方法是显式指定该类：

x = 5 
class BlockScopeAttempt: 
    x = 10
    print(x) # Output: 10
    def printx2(): 
        print(BlockScopeAttempt.x)  # Added class name
    printx2() # Output: 10

这不是很优雅，因为必须根据函数是否包含在类中来编写不同的函数。

使用Python模块可获得更好的结果

模块与静态类非常相似，但是根据我的经验，模块要干净得多。要对模块执行相同的操作my_module.py，请在当前工作目录中创建一个文件，其内容如下：

x = 10
print(x) # (A)

def printx():
    global x
    print(x) # (B)

然后在我的主文件或交互式（例如Jupyter）会话中，

x = 5
import my_module # Output: 10 from (A)
my_module.printx() # Output: 10 from (B)
print(x) # Output: 5

作为解释，每个Python文件定义一个模块，该模块具有自己的全局名称空间。导入模块后，您可以使用以下命令访问此命名空间中的变量.语法。

如果要在交互式会话中使用模块，则可以在开始时执行这两行

%load_ext autoreload
%autoreload 2

修改相应文件后，模块会自动重新加载。

用于加载和过滤数据的软件包

包的概念是模块概念的略微扩展。软件包是一个包含（可能为空白）__init__.py文件的目录，该文件在导入时执行。可以使用.语法访问此目录中的模块/软件包。

对于数据分析，我经常需要读取一个大数据文件，然后以交互方式应用各种过滤器。读取文件需要几分钟，所以我只想做一次。基于我在学校中学到的有关面向对象编程的知识，我曾经认为应该编写用于过滤和加载的代码作为类中的方法。这种方法的主要缺点是，如果我随后重新定义过滤器，则类的定义会更改，因此必须重新加载整个类，包括数据。

如今，使用Python，我定义了一个名为的包my_data，其中包含名为load和的子模块filter。在filter.py我里面可以做一个相对导入：

from .load import raw_data

如果我修改filter.py，autoreload则将检测到更改。它不会重新加载load.py，所以我不需要重新加载数据。这样，我可以在Jupyter笔记本中创建过滤代码的原型，将其包装为一个函数，然后从笔记本中直接剪切粘贴到中filter.py。弄清楚这一点，彻底改变了我的工作流程，使我从“ Python禅”的怀疑者转变为信徒。