Python3的LEGB规则

简介: 阐述LEGB前,需要先对Python的命名空间、作用域有一定的了解。命名空间命名空间表示变量的可见范围,一个变量名可以定义在多个不同的命名空间,相互之间并不冲突,但同一个命名空间中不能有两个相同的变量名。

阐述LEGB前,需要先对Python的命名空间、作用域有一定的了解。


命名空间

命名空间表示变量的可见范围,一个变量名可以定义在多个不同的命名空间,相互之间并不冲突,但同一个命名空间中不能有两个相同的变量名。比如:两个叫“张三”的学生可以同时存在于班级A和班级B中,如果两个张三都是一个班级,那么带来的麻烦复杂很多了,在Python中你不能这么干。

在Python中用字典来表示一个命名空间,命名空间中保存了变量(名字)和对象的映射关系,在Python中命名空间出现在哪些地方呢?有函数范围内的命名空间(local),有模块范围内的命名空间(global),有python内建的命名空间(built-in),还有类对象的所有属性组成的命名空间。

命名空间的生命周期

所有的命名空间都是有生命周期的,对于python内建的命名空间,python解析器启动时创建,一直保留直至直python解析器退出时才消亡。而对于函数的local命名空间是在函数每次被调用的时候创建,调用完成函数返回时消亡,而对于模块的global命名空间是在该模块被import的时候创建,解析器退出时消亡。

作用域

一个作用域是指一段程序的正文区域,可以是一个函数或一段代码。一个变量的作用域是指该变量的有效范围。Python的作用域是静态作用域,因为它是由代码中得位置决定的,而命名空间就是作用域的动态表现。

什么是LGB

Python2.2之前定义了三个作用域,分别是:

  • global作用域,对应的global命名空间,一个模块最外层定义的一个作用域。
  • local作用域,对应local命名空间,由函数定义的。
  • builtin作用域,对应builtin命名空间,python内部定义的最顶层的作用域,在这个作用域里面定义了各种内建函数:open、range、xrange、list等等。
    那时的Python作用域规则叫做LGB规则,变量(名字)的引用按照local作用域、global作用域、builtin作用域的顺序来查找。

看一段代码:

a = 1

def foo():
    a = 2
    print a    [1]

print a      [2]

foo()

运行结果:
1
2

[1]处输出结果为2,Python首先会在函数foo定义的local作用域中查找名字a,如果找到了直接输出,没有没找到就会在模块定义的global作用域中查找,如果还没找到,就到Python内建的builtin作用域中查找a,如果还没找到就报异常:NameError: name 'a' is not defined。引用过程如图:

img_cac019d4d2d42bf5862ad50eaeb3e100.jpe
lgb.jpg

[2]处输出结果为1,查找顺序同样是按照LGB规则,只不过这里的local作用域就是global作用域。

LEGB规则

Python2.2开始引入嵌套函数,嵌套函数为python提供了闭包实现。

a = 1
def foo():
   a = 2
   def bar():
        print a  //[1]
    return bar

func = foo()
func()

函数bar和a=2捆包在一起组成一个闭包,因此这里a=2即使脱离了foo所在的local作用域,但调用func的时候(其实就是调用bar)查找名字a的顺序是LEGB规则,这里的E就是enclosing的缩写,代表的“直接外围作用域”这个概念。查找a时,在bar对应的local作用域中没有时,然后在它外围的作用域中查找a。LEGB规定了查找一个名称的顺序为:local-->enclosing-->global-->builtin。

LEGB含义解释:
L-Local(function);函数内的名字空间
E-Enclosing function locals;外部嵌套函数的名字空间(例如closure)
G-Global(module);函数定义所在模块(文件)的名字空间
B-Builtin(Python);Python内置模块的名字空间

一个有趣的测试

在Python2中运行下边代码:

i = 20
l = [i for i in range(10)]
print i

在Python3中运行下边代码:

i = 20
l = [i for i in range(10)]
print(i)

得到的结果是什么?

在python2中运行,结果为 9
在python3中运行,结果为 20

原因在于,python3中列表解析自带闭包,也就是遵从上边说的LEGB规则

目录
相关文章
|
4天前
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
25 9
|
1月前
|
存储 程序员 C语言
Python变量命名规则
Python变量命名规则
33 0
|
1月前
|
算法 Python
关联规则算法及其画图(python
关联规则算法及其画图(python
25 2
|
6月前
|
算法 Python
合约/现货量化交易/合约交易/秒合约系统开发dapp技术搭建/Python代码规则示例
合约/现货量化交易/合约交易/秒合约系统开发dapp技术搭建/Python代码规则示例
|
7月前
|
存储 Python
Python的变量命名规则是什么?
Python的变量命名规则是什么?
115 0
|
25天前
|
机器学习/深度学习 数据采集 算法
基于Apriori关联规则的电影推荐系统(附python代码)
这是一个基于Apriori算法的电影推荐系统概览。系统通过挖掘用户评分数据来发现关联规则,例如用户观看某部电影后可能感兴趣的其他电影。算法核心是逐层生成频繁项集并设定最小支持度阈值,之后计算规则的置信度。案例中展示了数据预处理、频繁项集生成以及规则提取的过程,具体包括用户评分电影的统计分析,如1-5部电影的评分组合。最后,通过Python代码展示了Apriori算法的实现,生成推荐规则,并给出了一个简单的推荐示例。整个过程旨在提高推荐的精准度,基于用户已评分的电影推测他们可能尚未评分但可能喜欢的电影。
基于Apriori关联规则的电影推荐系统(附python代码)
|
1月前
|
Python
Python函数之计算规则图形的面积
Python函数之计算规则图形的面积
15 0
|
8月前
|
数据处理 数据格式 Python
Python实战系列<三> | 不规则txt空气质量数据处理并绘图
Python实战系列<三> | 不规则txt空气质量数据处理并绘图
|
4月前
|
自然语言处理 算法 Python
【Python自然语言处理】规则分词中正向、反向、双向最大匹配法的讲解及实战(超详细 附源码)
【Python自然语言处理】规则分词中正向、反向、双向最大匹配法的讲解及实战(超详细 附源码)
56 0
|
4月前
|
Python
python使用自定义函数和lambda表达式指定排序规则对考试分数降序排列(附源码 可直接使用)
python使用自定义函数和lambda表达式指定排序规则对考试分数降序排列(附源码 可直接使用)
39 0

热门文章

最新文章