在函数外部用 cdef 声明的变量在函数内部是否具有相同的类型？答案

【问题标题】：Will a variable declared with cdef outside a function have the same type inside the function?在函数外部用 cdef 声明的变量在函数内部是否具有相同的类型？
【发布时间】：2013-08-05 11:05:46
【问题描述】：

我在同一个模块的所有函数中使用了许多相同类型的变量：

def func1(double x):
    cdef double a,b,c
    a = x
    b = x**2
    c = x**3
    return a+b+c

def func2(double x):
    cdef double a,b,c
    a = x+1
    b = (x+1)**2
    c = (x+1)**3
    return a+b+c

我的问题是，如果我按照如下所示进行操作会不会一样？将变量声明放在函数之外？（真实案例不同，有2个以上的功能）

cdef double a,b,c

def func1(double x):
    a = x+2
    b = (x+2)**2
    c = (x+2)**3
    return a+b+c

def func2(double x):
    a = x+2
    b = (x+2)**2
    c = (x+2)**3
    return a+b+c

【问题讨论】：

标签： python variables global-variables cython variable-declaration

【解决方案1】：

原则上，cython 像 python 一样处理全局变量，不管它是 C 还是 Python 类型。看看this part of the FAQ。

所以您的（第二个）示例不起作用，您必须在函数开头使用global variable，如下所示：

def func2(double x):
    global a, b, c
    a = x + 2
    b = (x + 2) ** 2
    c = (x + 2) ** 3
    return a + b + c

但是，在这一点上，我想问一下，您是否真的需要这样做。总的来说，有很好的论据，为什么global variables are bad。所以你可能真的要重新考虑了。

我假设您的三个双打只是一个玩具示例，所以我不确定您的实际用例是什么。从您的（第一个）示例来看，可以通过通过另一个参数扩展函数来重用代码，如下所示：

def func(double x, double y=0):
    cdef double a, b, c
    a = x + y
    b = (x + y) ** 2
    c = (x + y) ** 3
    return a + b + c

这至少可以涵盖您的示例func1 和func2，分别使用y = 0 和y = 1。

【讨论】：

谢谢！这个玩具示例与真实代码相差甚远，但我发现不使用global 语句也可以使用全局变量，您尝试过吗？
我接受了你的回答，因为明确使用global 似乎比省略它更快
afaik 任何赋值都会为 python 中的赋值变量隐式分配空间。我想，当你省略global 时，这就是发生的事情，因此你最终会再次使用（慢）Python 对象。另一方面，当您只使用它们（无需重新分配）时，当然可以，因为它们在函数范围内也是有效的。

【解决方案2】：

我做了以下测试，我相信它可以在外部声明许多函数共享的变量，避免重复代码，无需使用global指定。

在_test.pyx 文件中：

import numpy as np
cimport numpy as np
cdef np.ndarray a=np.ones(10, dtype=FLOAT)
cdef np.ndarray b=np.ones(10, dtype=FLOAT)
cdef double c=2.
cdef int d=5

def test1(double x):
    print type(a), type(b), type(c), type(d)
    print a + c*b + 1*c*x + d

def test2(double x):
    print type(a), type(b), type(c), type(d)
    print a + c*b + 2*c*x + d

在test.py 文件中：

import pyximport; pyximport.install()
import _test

_test.test1(10.)
_test.test2(10.)

给予：

<type 'numpy.ndarray'> <type 'numpy.ndarray'> <type 'float'> <type 'int'>
[ 28.  28.  28.  28.  28.  28.  28.  28.  28.  28.]
<type 'numpy.ndarray'> <type 'numpy.ndarray'> <type 'float'> <type 'int'>
[ 48.  48.  48.  48.  48.  48.  48.  48.  48.  48.]

【讨论】：