Курс Python → Значения по умолчанию в Python
Значения по умолчанию в Python разделяются между объектами из-за того, что они создаются лишь однажды при определении функции. Это означает, что если значение по умолчанию является изменяемым объектом, таким как словарь, то все последующие вызовы функции будут использовать изменённый объект. Например, если у нас есть функция, которая принимает словарь в качестве значения по умолчанию, и мы изменяем этот словарь в одном вызове функции, то изменения будут сохранены для всех последующих вызовов.
С другой стороны, неизменяемые объекты, такие как числа, строки, кортежи и None, безопасны при изменении, так как они не могут быть изменены после создания. Поэтому значения по умолчанию, которые являются неизменяемыми объектами, будут оставаться неизменными для всех вызовов функции. Например, если значение по умолчанию — это число или строка, то оно не будет изменяться даже при изменении внутри функции.
Изменение изменяемых объектов, таких как словари, списки и экземпляры пользовательских классов, может привести к неожиданным последствиям. Поэтому при определении функций с изменяемыми значениями по умолчанию необходимо быть осторожным и учитывать, что изменения этих объектов будут видны для всех последующих вызовов функции.
def example_function(some_dict={}):
some_dict['key'] = 'value'
return some_dict
print(example_function()) # {'key': 'value'}
print(example_function()) # {'key': 'value'}
В данном примере функция example_function принимает словарь в качестве значения по умолчанию и добавляет в него пару ключ-значение. При вызове функции дважды мы видим, что изменения, внесенные в словарь, сохраняются для всех вызовов. Это происходит из-за того, что значение по умолчанию (пустой словарь) создается только один раз при определении функции и используется для всех вызовов.
Другие уроки курса "Python"
- Цикл for с enumerate() в Python
- Печать в одной строке
- Работа с SQLite в Python
- Структурирование именованных констант
- Перебор элементов списка в Python
- Обработка элементов в Python
- Синхронизация доступа к ресурсам
- Генераторы данных
- Реализация операции -= для пользовательского класса
- Оптимизация памяти в Python
- Ограничение ресурсов в Python
- Перевод текста с Python Translator
- Работа с массивами в Numpy
- Копирование списков в Python
- Экспорт данных в файл.
- Динамические маршруты во Flask
- Декоратор проверки активности
- Оптимизация памяти с slots
- Метод split() в Python
- Поиск индексов подстроки
- Декораторы в Python
- Изменение объектов в Python
- Генераторные функции в Python
- Объединение списков в Python.
- Обучение модели с указанием эпох
- Тестирование с responses
- Генераторы в Python
- Метод join() для объединения элементов строки
- Аннотации типов в Python
- Тестирование функции сложения
- Декораторы с аргументами
- Управление асинхронными задачами с помощью Semaphore
- Разделение строки с помощью re.split()
- Создание уникального множества
- Роль object и type в Python
- Генераторы в Python
- Преобразование регистра символов
- Solidity для DeFi Ethereum
- Встраивание HTML в Jupyter Notebook
- Удаление знаков препинания в Python
- Создание директории в Python
- Работа с областями видимости переменных
- Управление доступом к модулю
- Модуль functools в Python
- Очистка данных с помощью pandas
