替代 locals() 打印带有标题的表格答案

【问题标题】：Alternative to locals() in printing a table with a header替代 locals() 打印带有标题的表格
【发布时间】：2010-11-01 08:25:26
【问题描述】：

[Python 3.1]

编辑：原代码中的错误。

我需要打印一张表格。第一行应该是一个标题，它由制表符分隔的列名组成。以下行应包含数据（也是制表符分隔的）。

为了澄清，假设我有“速度”、“功率”、“重量”列。我最初在related question 的帮助下编写了以下代码：

column_names = ['speed', 'power', 'weight']

def f(row_number):
  # some calculations here to populate variables speed, power, weight
  # e.g., power = retrieve_avg_power(row_number) * 2.5
  # e.g., speed = math.sqrt(power) / 2
  # etc.
  locals_ = locals()
  return {x : locals_[x] for x in column_names}

def print_table(rows):
  print(*column_names, sep = '\t')
  for row_number in range(rows):
    row = f(row_number)
    print(*[row[x] for x in component_names], sep = '\t')

但后来我知道我应该avoid using locals() if possible。

现在我被困住了。我不想多次键入所有列名的列表。我不想依赖这样一个事实，即我在f() 中创建的每个字典都可能以相同的顺序遍历其键。而且我不想使用locals()。

请注意，print_table() 和 f() 函数还有很多其他功能；所以我必须把它们分开。

我应该如何编写代码？

【问题讨论】：

标签： python python-3.x list-comprehension locals

【解决方案1】：

class Columns:
    pass

def f(row_number):
    c = Columns()
    c.power = retrieve_avg_power(row_number) * 2.5
    c.speed = math.sqrt(power) / 2
    return c.__dict__

这还可以让您指定哪些变量作为列，而不是在函数中是临时的。

【讨论】：

这是否与创建字典 columns = {} 并像这样填充它基本相同：columns['speed'] = math.sqrt(columns['power'])/2？
顺便说一句，对于优化器来说，使用__dict__ 比使用locals() 问题少吗？
确实如此，只是我发现属性语法更易于阅读和键入。
存储到对象中比存储到局部变量中要昂贵得多。所以你不应该在循环中分配给 c.power 。但是，由于您最终需要将值全部存储在字典中，因此不涉及任何成本。优化器的问题是：如果使用 locals()，它们还需要停止使用对局部变量的有效访问（这样它们实际上变得比实例属性慢）。

【解决方案2】：

您可以使用OrderedDict 来修复字典的顺序。但在我看来，这甚至没有必要。您总是从column_names 列表中获取键（最后一行除外，我认为这是一个错字），因此值的顺序将始终相同。

【讨论】：

我认为没有locals() 并且不重复名称很难填充OrderedDict。（另外，请注意，我计算变量的顺序不一定与输出表中所需的列顺序相同。）
@max：好的，现在我明白问题所在了。

【解决方案3】：

locals() 的替代方法是使用 inspect 模块

import inspect

def f(row_number):
    # some calculations here to populate variables speed, power, weight
    # e.g., power = retrieve_avg_power(row_number) * 2.5
    # e.g., speed = math.sqrt(power) / 2
    # etc.
    locals_ = inspect.currentframe().f_locals
    return {x : locals_[x] for x in column_names }

【讨论】：