在函数内部访问数组元素时的全局作用域

Question

当我将一个值赋给一个数组时，变量的范围仍然是局部的（参见 loc()）。但是，如果我访问数组的元素，范围将变为全局（请参阅 glob()）

import numpy as np
M = np.array([1])
def loc():
    M = 2
    return 0
def glob():
    M[0] = 3
    return 0

loc()
print M
>>> [1]

glob()
print M
>>> [3]

为什么会这样？如何在不全局修改数组的情况下局部修改数组的元素？我需要在我的函数中有一个循环，一次更改一个元素。

Answer 1

简单解释一下：

无法更新函数内部的全局变量，除非将其作为全局内部函数访问。
但是可以修改

检查：

import numpy as np
M = np.array([1])
def loc():
    global M
    M = 2
    return 0
def glob():
    M[0] = 3
    return 0
loc()
print M
>>>2

Answer 2

你在这里混合了几样东西。

首先，M = 2创建了一个名为M的局部变量（你可以在locals()中看到它）并阻止你稍后访问原始 M（虽然你没有这样做......但只是为了说明一点）。这有时被称为 "shadowing".

其次，np.array is a mutable object (the opposite of an immutable object)，对它的更改将反映在对它的任何引用中。 glob 函数中的内容是对 M.

的引用

您可以将 np.array 视为具有许多名称的一段内存，如果您更改了它，无论您使用什么名称访问它，更改都会很明显。 M[0] 只是对该内存特定部分的引用。这反映了对象的 "state".

如果你这样做：

M = np.array([1])

def example()
    another_name_for_M = M
    M = 2
    another_name_for_M[0] = 2

您仍会看到全局 M 发生变化，但您正在使用新名称访问它。

如果你使用 string、tuple、frozenset 等，它们都是 不可变对象不能（轻易）改变，你将无法真正改变他们的状态。

现在回答你的问题，如果你不希望函数改变数组，只需发送一个 copy of it using np.copy，而不是实际的：

import numpy as np

my_array = np.array([1])

def array_mutating_function(some_array):
    some_array[0] = 1337
    print some_array # prints [1337]

# send copy to prevent mutating the original array
array_mutating_function(np.copy(my_array))
print my_array # prints [1]

这将有效地使其在外部范围内不可变，因为函数不会引用它，除非它在外部范围内使用它的名称，无论如何这可能不是一个好主意。

如果函数不应该更改任何数组，则无论发送什么数组都将副本移动到函数内部，防止它更改发送给它的任何数组：

def array_mutating_function(some_array):
    some_array = np.copy(some_array)
    some_array[0] = 1337

在函数内部访问数组元素时的全局作用域

Global Scope when accessing array element inside function

python

arrays

scope