在尝试确定两个生成器的相对性能时，我首先遇到了这个问题：
t = timeit.repeat('g.get()', setup='g = my_generator()')
因此，我进入timeit模块，发现setup和statement是使用它们自己的私有，最初为空的命名空间进行评估的，因此g.get（）语句自然无法访问g的绑定。显而易见的解决方案是将它们包装到一个类中，从而添加到全局名称空间中。
在另一个项目中，尝试使用多处理模块在工作人员之间分配任务时，我再次碰到了这一点。我什至把所有东西都很好地捆绑在一起，但是不幸的是电话
pool.apply_async(runmc, arg)
失败并出现PicklingError，因为埋在runmc实例化的工作对象内部是（有效）赋值：
self.predicate = lambda x, y: x > y
因此无法（可以理解）对整个对象进行腌制，而：
def foo(x, y):
return x > y
pickle.dumps(foo)
很好，顺序
bar = lambda x, y: x > y
从
callable(bar)和type(bar)生成True，但从Can't pickle <function <lambda> at 0xb759b764>: it's not found as __main__.<lambda>生成True。我只给出了代码片段，因为我只需将它们拉入模块或对象级别的defs就可以轻松修复这些情况。此处的错误似乎出在我对名称空间使用语义的一般理解中。如果语言的性质要求我创建更多的
def语句，我会很乐意这样做；我担心我会错过一个基本概念。为什么如此强烈地依赖全局名称空间？或者，我无法理解什么？Namespaces are one honking great idea -- let's do more of those!
最佳答案
在大多数情况下，pickle协议在选择类和功能时都会遇到严重的问题；而是通过“按名称”腌制它们，这使困难消失了，但是发现要求它们必须与模块中顶级名称（并且由于模块是其自身的名称空间，毕竟与“命名空间是一个很棒的主意”不冲突；-)。
至于您的timeit问题，我不会理解您所说的“全局名称空间”的含义-例如：
>>> timeit.repeat('g.get(23)', 'g = {}')
[0.29134988784790039, 0.27160286903381348, 0.27237796783447266]
绑定
g的名称空间使绑定可以被重复的语句完全访问。如果您绑定到g的是生成器，则可能是您的问题是生成器没有.get()方法，也许您是说.next()？关于python - Python库是否自然依赖于全局 namespace ？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/2534847/