python: 全局变量的正确使用

Question

这是代码！

import csv

def do_work():
      global data
      global b
      get_file()
      samples_subset1()
      return

def get_file():

      start_file='thefile.csv'

      with open(start_file, 'rb') as f:
        data = list(csv.reader(f))
        import collections
        counter = collections.defaultdict(int)

      for row in data:
        counter[row[10]] += 1
      return

def samples_subset1():

      with open('/pythonwork/samples_subset1.csv', 'wb') as outfile:
          writer = csv.writer(outfile)
          sample_cutoff=5000
          b_counter=0
          global b
          b=[]
          for row in data:
              if counter[row[10]] >= sample_cutoff:
                 global b
                 b.append(row) 
                 writer.writerow(row)
                 #print b[b_counter]
                 b_counter+=1
      return

我刚开始学Python。我的代码运行方式是先调用do_work，然后do_work会调用其他函数。以下是我的问题：

1. 如果我需要data只被两个函数看到，我应该把它设为全局变量吗？如果不应该，那我该怎么调用samples_subset1？是从get_file里调用，还是从do_work里调用？

2. 代码可以运行，但你能指出它写得好或不好的地方吗？

3. 我正在处理一个CSV文件，步骤有很多。我把这些步骤分成不同的函数，比如get_file、samples_subset1，还有更多我会添加的函数。我现在这样做，都是从do_work里调用每个函数，这样做可以吗？

这是根据下面某个回答修改后的新代码：

import csv
import collections

def do_work():
      global b
      (data,counter)=get_file('thefile.csv')
      samples_subset1(data, counter,'/pythonwork/samples_subset1.csv')
      return

def get_file(start_file):

        with open(start_file, 'rb') as f:
        global data
        data = list(csv.reader(f))
        counter = collections.defaultdict(int)

      for row in data:
        counter[row[10]] += 1
      return (data,counter)

def samples_subset1(data,counter,output_file):

      with open(output_file, 'wb') as outfile:
          writer = csv.writer(outfile)
          sample_cutoff=5000
          b_counter=0
          global b
          b=[]
          for row in data:
              if counter[row[10]] >= sample_cutoff:
                 global b
                 b.append(row) 
                 writer.writerow(row)
                 #print b[b_counter]
                 b_counter+=1
      return

Answer 1

如果你想在两个或多个函数之间共享数据，通常更好的做法是使用一个类，把这些函数变成类的方法，把全局变量变成类实例的属性。

顺便说一下，并不是每个函数最后都需要有返回语句。只有在你想要返回一个值，或者在函数中间提前返回时，才需要明确地写出返回。

Answer 2

如果你必须使用全局变量（有时候确实需要），你可以用一种更符合Python风格的方式来定义它，这样就不需要在所有的函数或类的开头都写上讨厌的global关键字了。

你可以创建一个新的模块，里面只放全局数据（比如说叫csvGlobals.py）：

# create an instance of some data you want to share across modules
data=[]

然后，每个你想要访问这些数据的文件可以这样做：

import csvGlobals

csvGlobals.data = [1,2,3,4]
for i in csvGlobals.data:
    print i

Answer 3

一般来说，尽量避免使用全局变量。

这里很简单： 用 let 来获取文件，然后返回数据， 这样你就可以这样说：

data = get_file()
samples_subset1(data)

另外，我会把所有的导入放在文件的最上面。