当前位置:首页 > 文章列表 > 文章 > python教程 > Python默认参数陷阱:可变对象易“记事”

Python默认参数陷阱:可变对象易“记事”

2026-01-30 13:54:40 0浏览 收藏

今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《函数默认参数是可变对象时,会“记住”上一次的值,是因为默认参数在函数定义时就被初始化,并且只初始化一次。如果默认参数是一个可变对象(如 list 或 dict),那么每次调用函数时,如果没有显式传入该参数,就会使用同一个对象的引用。举个例子:def append_to_list(value, my_list=[]): my_list.append(value) return my_list第一次调用:print(append_to_list(1)) # 输出: [1]第二次调用:print(append_to_list(2)) # 输出: [1, 2]第三次调用:print(append_to_list(3)) # 输出: [1, 2, 3]原因分析:函数定义时,my_list=[] 只执行一次,创建了一个空列表。每次调用 append_to_list() 时,如果没有传入 my_list 参数,就使用这个已经创建好的列表。因为列表是可变对象,修改它会影响后续调用中的同一个对象。解决办法:为了避免这种“记忆”行为,可以将默认参数设为 None,然后在函数内部判断是否为 None,再动态》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!

函数默认参数在定义时创建并复用,可变对象(如列表)会因共享同一实例导致状态累积;安全做法是用None作默认值并在函数内新建对象。

函数默认参数是可变对象(如 list/dict)时为什么会“记住”上一次值

因为函数的默认参数在定义时就创建并绑定到函数对象上,而不是每次调用时重新生成。

默认参数只在函数定义时求值一次

Python 中,函数定义(def 语句执行时)就会计算默认参数的值,并把该对象存储在函数的 __defaults__ 属性里。之后每次调用函数、没传对应参数时,就复用这个已存在的对象。

例如:

def append_to(item, lst=[]):
    lst.append(item)
    return lst

print(append_to(1)) # [1] print(append_to(2)) # [1, 2] ← 不是 [2] print(append_to(3)) # [1, 2, 3]

这里的 lst=[] 在 def 执行时创建了一个空列表对象,后续所有未传 lst 的调用都共用它。

可变对象被反复修改,状态持续累积

列表、字典、集合等可变对象支持原地修改(如 .append()、[key] = val),而默认参数引用的又是同一个对象,所以每次调用都在“往同一个容器里加东西”。

这和不可变对象(如 int、str、tuple)不同——它们无法原地修改,每次操作都会产生新对象,不会暴露共享状态问题。

安全写法:用 None 作占位符

惯用做法是把默认值设为 None,并在函数体内显式创建新对象:

  • def append_to(item, lst=None):
  • if lst is None:
  •   lst = []
  • lst.append(item)
  • return lst

这样每次调用都得到一个全新列表,互不影响。

可以验证默认参数对象是否被复用

通过检查函数的 __defaults__ 和对象 id:

print(id(append_to.__defaults__[0]))  # 第一次调用前后 id 相同
append_to(1)
print(id(append_to.__defaults__[0]))  # 还是同一个 id

说明不是“记住了值”,而是根本就没换过对象。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python默认参数陷阱:可变对象易“记事”》文章吧,也可关注golang学习网公众号了解相关技术文章。

Windows11最佳免费工具推荐Windows11最佳免费工具推荐
上一篇
Windows11最佳免费工具推荐
小荷AI医生收费与服务详解
下一篇
小荷AI医生收费与服务详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    483次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    540次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    562次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    514次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    331次使用