循环和列表理解在使用exec创建变量时无法找到它们。

Question

在我的(简化)脚本中，我有以下内容：

def predict(new_data):
 .
 .
 .
 model_list = fetch_needed_models() # ["f1","f2","f3"]

 for m in model_list:
      with open(f"./{m}.pkl","rb") as file:
          exec(f"{m}=pickle.load(file)")

 print(dir()) # [...,'f1','f2','f3',...]

 # Try with list-comprehension
 f1_pred = [f1.predict(x) for x in new_data] # NameError: name 'f1' does not exists
 
 # Try with loop
 f1_pred = []
 for x in new_data:
    f1_pred.append(f1.predict(x)) # NameError: name 'f1' does not exists

如果我在函数之外运行这些行，即只一个接一个地运行这些行(在VScode中，交互式窗口中)，它可以很好地工作，但是当我像python main.py一样运行这个函数时，会得到一个NameError: name 'f1' is not defined错误。我认为可能exec没有正确执行，但是在exec命令之后的print(dir())显示，变量确实存在。

有人知道为什么吗？

编辑

一个简单的测试，比如

def test():
    exec("f= []")
    f.append(2)
    print(f)

if __name__=="__main__":
 test()

> python test.py
>      "NameError: name "f" is not defined

也失败了

Answer 1

如果您确实想使用exec (您不应该使用，并且应该重构代码以避免它)，那么您必须传递要在其中执行代码的环境。使用简化的示例，您可以这样做：

def test():
    exec("f= []", globals())
    f.append(2)
    print(f)

if __name__=="__main__":
 test()  # [2]

Answer 2

局部变量是编译时特性；即使使用exec，也不能在运行时将真正的局部变量添加到函数中。编译时，计算局部变量的固定大小数组的大小，并在该数组中为每个名称分配一个索引；数组不能展开，无法识别的名称没有映射。您可以使用locals() (它复制真正的局部变量，然后是一个可以变异的dict )来伪造它，但是不要。

只需使用由您所关心的名称组成的dict键：

def predict(new_data):
 .
 .
 .
 model_list = fetch_needed_models() # ["f1","f2","f3"]

 models = {}
 for m in model_list:
      with open(f"./{m}.pkl","rb") as file:
          models[m] = pickle.load(file)

 # Try with list-comprehension
 f1_pred = [models['f1'].predict(x) for x in new_data]
 
 # Try with loop
 f1_pred = []
 for x in new_data:
    f1_pred.append(models['f1'].predict(x))

如果您知道f1总是存在于其中，您可以直接提取它，但是这种方法违背了动态指定模型的目的：

def predict(new_data):
 .
 .
 .
 model_list = fetch_needed_models() # ["f1","f2","f3"]

 models = {}
 for m in model_list:
      with open(f"./{m}.pkl","rb") as file:
          models[m] = pickle.load(file)

 # We're sure f1 will be there, so we can make it a local manually    
 f1 = models['f1']

 # Try with list-comprehension
 f1_pred = [f1.predict(x) for x in new_data]
 
 # Try with loop
 f1_pred = []
 for x in new_data:
    f1_pred.append(f1.predict(x))