多处理：在某些情况下在赋值之前引用的变量，而在其他情况下不引用

Question

我在这个网站上找到了以下示例：

import multiprocessing
import ctypes
import numpy as np

shared_array_base = multiprocessing.Array(ctypes.c_double, 10*10)
shared_array = np.ctypeslib.as_array(shared_array_base.get_obj())
shared_array = shared_array.reshape(10, 10)

# No copy was made
assert shared_array.base.base is shared_array_base.get_obj()

# Parallel processing
def my_func(i, def_param=shared_array):
    shared_array[i,:] = i

if __name__ == '__main__':
    pool = multiprocessing.Pool(processes=4)
    pool.map(my_func, range(10))

    print shared_array

上面的代码工作正常，但是如果我想在共享数组中添加一个数组，比如shared_array + = some_other_array（而不是上面的shared_array [i，;] = i）我得到了

分配前引用的

局部变量'shared_array'

为什么我不能这样做的任何想法？

Answer 1

如果将变量分配给函数中的任何位置，则将其视为局部变量。 shared_array += some_other_array相当于shared_array = shared_array + some_other_array。因此shared_array被视为局部变量，当您尝试在赋值的右侧使用它时，它不存在。

如果您想使用全局shared_array变量，则需要在函数中添加global shared_array，将其明确标记为全局。

您没有看到shared_array[i,:] = i错误的原因是这不会分配给变量shared_array。相反，它会改变该对象，分配给它的一部分。在Python中，分配给一个裸名称（例如shared_array = ...）与任何其他类型的分配（例如shared_array[...] = ...）非常不同，即使它们看起来相似。

请注意，该错误与多处理无关。