[英]ipython %timeit “local variable 'a' referenced before assignment”
我正在嘗試運行以下代碼,但是local variable 'a' referenced before assignment.
我local variable 'a' referenced before assignment.
了local variable 'a' referenced before assignment.
a = [x for x in range(10)]
b = [x for x in range(10)]
%timeit a+=b
該語句在沒有%timeit
魔術的情況下有效。
我有什么想念的嗎?
謝謝。
您期望它做什么?
在timeit之外執行:
In [188]: a += b
In [189]: a
Out[189]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
我嘗試初始化x
,並得到一個接近無限的循環,最終以內存錯誤結束
In [192]: %%timeit x=a
...: x += b
In [194]: len(a)
Out[194]: 529076630
換句話說,每個timeit循環將b
值的另一個列表連接到x
(並擴展為a
),從而導致循環很長。 我懷疑單個x+=b
速度很快,導致timeit
選擇循環多次。
讓我們創建a
新的each循環:
In [196]: %%timeit
...: a = [x for x in range(10)]
...: a += b
...:
1.91 µs ± 4.82 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
這也會產生內存錯誤:
In [197]: %%timeit a = [x for x in range(10)]
...: a += b
如果我控制循環數:
In [202]: %%timeit -n 100 a = [x for x in range(10)]
...: a += b
...:
...:
208 ns ± 11 ns per loop (mean ± std. dev. of 7 runs, 100 loops each)
用ns
次,我可以看到為什么默認循環這么大。
我還沒有嘗試過對普通的a+=...
進行計時(甚至沒有使用numpy數組),但是很顯然,它希望在循環或初始化塊中對該a
進行某種本地初始化。 但是,請記住,定時操作可能會執行多次(-r和-n參數或默認值),這一點很重要。 因此,任何就地操作都可能導致全局值的位更改。 在這種情況下, timeit
可能希望通過期望某種“局部”變量來保護我們免受這種意外增長的影響。
讓我們嘗試a+b
,但是要賦值:
In [215]: c=np.zeros(10)
In [216]: a
Out[216]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
In [217]: b
Out[217]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
In [218]: %timeit c = a+b
5.33 µs ± 105 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [219]: c
Out[219]: array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
請注意,全局c
尚未更改。 分配給一個臨時的本地c
即使可以使用相同名稱的全局變量。
通常,在定時循環內執行的計算不應泄漏到循環外。 您必須像我在內存錯誤循環中那樣明確地進行操作,或者在這里
In [222]: %%timeit x = c
...: x += b
...:
9.04 µs ± 238 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [223]: c
Out[223]:
array([ 0., 811111., 1622222., 2433333., 3244444., 4055555.,
4866666., 5677777., 6488888., 7299999.])
或在這里:
In [224]: c=np.zeros(10)
In [225]: %%timeit x = c
...: x[:] = a+b
7.84 µs ± 199 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [226]: c
Out[226]: array([ 1., 3., 5., 7., 9., 11., 13., 15., 17., 19.])
兩者都使用就地分配給已鏈接到可變全局變量的局部變量。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.