为什么变量范围可能会影响你的数据科学工作流程
为什么变量范围可能会影响你的数据科学工作流程
当你沉浸在快速原型设计之中时，很容易跳过清晰的范围界定或重用常见的变量名（比如，df！），认为这样可以节省时间。但这样做可能会导致一些隐蔽的 bug，破坏你的工作流程。
好消息是？一旦你理解了基本原理，编写清晰、范围良好的代码并不需要额外的努力。
让我们将其分解。
什么是变量范围？
将变量想象成一个容器，它将存储一些信息。范围指的是变量在你的代码中可访问的区域。
范围通过限制变量可以被读取或修改的位置来防止意外的更改。如果每个变量都可以从任何地方访问，你将不得不跟踪所有变量以避免意外覆盖。
在 Python 中，范围由 LEGB 规则 定义，代表：局部、封闭、全局和内置。
Python 中的范围，称为 LEGB（作者命名）
Python 中的范围：LEGB 规则
让我们用一个例子来说明这一点。
# Global scope, 7% tax
default_tax = 0.07
def calculate_invoice(price):
# Enclosing scope
discount = 0.10
total_after_discount = 0
def apply_discount():
nonlocal total_after_discount
# Local scope
tax = price * default_tax
total_after_discount = price - (price * discount)
return total_after_discount + tax
final_price = apply_discount()
return final_price, total_after_discount
# Built-in scope
print("Invoice total:", round(calculate_invoice(100)[0], 2))
1. 局部范围
函数内部的变量位于局部范围。它们只能在函数内部访问。
在示例中，tax 是 apply_discount 函数内部的局部变量。它在这个函数外部不可访问。
2. 封闭范围
这些指的是函数中包含的嵌套函数中的变量。这些变量不是全局的，但可以被内部（嵌套）函数访问。在这个例子中，discount 和 total_after_discount 是 apply_discount 封闭范围内的变量。
nonlocal 关键字：
nonlocal 关键字用于修改封闭范围内的变量，而不仅仅是读取它们。
例如，假设你想更新位于函数封闭范围内的变量 total_after_discount。如果没有 nonlocal，在内部函数中对其赋值，Python 将将其视为一个新的局部变量，实际上遮蔽了外部变量。这可能会引入 bug 和意外的行为。
3. 全局范围
定义在所有函数外部且在整个程序中可访问的变量。
global 语句
当你在函数内部声明一个变量为 global 时，Python 会将其视为对函数外变量的引用。这意味着对它的更改将影响全局范围内的变量。
使用 global 关键字，Python 将创建一个新的局部变量。
x = 10 # Global variable
def modify_global():
global x # Declare that x refers to the global variable
x = 20 # Modify the global variable
modify_global()
print(x) # Output: 20\. If "global" was not declared, this would read 10
4. 内置范围
指的是 Python 用于其内置函数的保留关键字，例如print、def、round等。这可以在任何级别访问。
关键概念：全局与非局部关键字
这两个关键字对于修改不同作用域中的变量至关重要，但它们的用法不同。
-
global：用于修改全局作用域中的变量。 -
nonlocal：用于修改封闭（非全局）作用域中的变量。
变量遮蔽
变量遮蔽发生在内部作用域中的变量隐藏外部作用域中的变量时。
在内部作用域内，所有对变量的引用都将指向内部变量，而不是外部变量。如果不小心，这可能会导致混淆和意外的输出。
一旦执行返回到外部作用域，内部变量就会停止存在，并且对变量的任何引用都将指向外部作用域变量。
这里有一个快速示例。x在每个作用域中被遮蔽，根据上下文产生不同的输出。
#global scope
x = 10
def outer_function():
#enclosing scope
x = 20
def inner_function():
#local scope
x = 30
print(x) # Outputs 30
inner_function()
print(x) # Outputs 20
outer_function()
print(x) # Outputs 10
参数遮蔽
这与变量遮蔽类似，但发生在局部变量重新定义或覆盖传递给函数的参数时。
def foo(x):
x = 5 # Shadows the parameter `x`
return x
foo(10) # Output: 5
x被传递为 10。但是它立即被x=5遮蔽并覆盖。
递归函数中的作用域
每次递归调用都有自己的执行上下文，这意味着该调用中的局部变量和参数与之前的调用是独立的。
然而，如果一个变量被全局修改或显式作为参数传递，其变化可能会影响后续的递归调用。
-
局部变量：这些是在函数内部定义的，并且只影响当前递归级别。它们在调用之间不会持续存在。
-
显式传递给下一个递归调用的参数保留了从上一个调用中继承的值，允许递归在各个层级上累积状态。
-
全局变量：这些在所有递归级别之间共享。如果修改，变化将对所有递归级别可见。
让我们用一个例子来说明这一点。
示例 1：使用全局变量（不推荐）
counter = 0 # Global variable
def count_up(n):
global counter
if n > 0:
counter += 1
count_up(n - 1)
count_up(5)
print(counter) # Output: 5
counter是一个在所有递归调用之间共享的全局变量。它在递归的每个级别上递增，并在递归完成后打印其最终值（5）。
示例 2：使用参数（推荐）
def count_up(n, counter=0):
if n > 0:
counter += 1
return count_up(n - 1, counter)
return counter
result = count_up(5)
print(result) # Output: 5
-
counter现在是函数的参数。 -
counter从一个递归级别传递到下一个级别，其值在每个级别上更新。counter在每个调用中不会被重新初始化，而是将当前状态传递到下一个递归级别。 -
函数现在是纯函数 - 没有副作用，并且它只在其自己的作用域内操作。
-
当递归函数返回时，
counter“冒泡”到顶级，并在基本情况下返回。
最佳实践
1. 使用描述性的变量名称
避免使用模糊的名称，如df或x。为了清晰起见，使用描述性的名称，例如customer_sales_df或sales_records_df。
2. 使用大写字母为常量命名
这是 Python 中常量的标准命名约定。例如，MAX_RETRIES = 5。
3. 尽可能避免使用全局变量
全局变量引入了错误，并使代码更难测试和维护。最好在函数之间显式传递变量。
4. 尽可能编写纯函数
什么是纯函数？
-
确定性：对于相同的输入，它总是产生相同的输出。它不受外部状态或随机性的影响。
-
无副作用：它不会修改任何外部变量或状态。它仅在本地作用域内操作。
使用nonlocal或global会使函数变得不纯。
然而，如果你正在处理闭包，你应该使用nonlocal关键字来修改封装（外部）作用域中的变量，这有助于防止变量遮蔽。
当一个嵌套函数（内部函数）捕获并引用其封装函数（外部函数）中的变量时，就会发生闭包。这允许内部函数“记住”其创建的环境，包括访问外部函数作用域中的变量，即使外部函数已经执行完毕。
闭包的概念可以非常深入，所以请在评论中告诉我，这是否是我应该在下一篇文章中深入探讨的内容！ 😃
5. 避免变量遮蔽和参数遮蔽
如果你需要引用外部变量，避免在内部作用域中重用其名称。使用不同的名称来清楚地区分变量。
总结
就这样！感谢你一直陪伴我到最后。
你在自己的工作中遇到过这些挑战吗？在下面的评论中分享你的想法！
我经常写关于 Python、软件开发和我构建的项目，所以请关注我，以免错过。下篇文章再见 😃
浙公网安备 33010602011771号