Jupyter Notebook中Python代码结构化：全局变量使用与优化方案咨询

云原生阿岚

2026-7-28

问题解答

1. 维持现有结构并使用全局变量的可行方案

可以实现，但全局变量会提升代码耦合度、增加调试难度，不建议长期用于规模较大的项目。具体操作如下：

外部Python文件（例如命名为`data_handler.py`）代码：

import numpy as np

# 显式定义全局变量
my_list = []

def init():
    global my_list
    my_list = []

def add_value(a):
    global my_list
    my_list.append(a)

def add_array(a, b):
    array = np.arange(a, b)
    my_list.append(array)

Jupyter Notebook中调用方式：

from data_handler import *

init()
add_value(3)
add_array(6,9)
print(my_list)  # 输出: [3, array([6, 7, 8])]

如果采用import data_handler的导入方式，需通过data_handler.my_list访问全局变量，函数调用格式为data_handler.init()。

2. 更优的代码结构：面向对象封装

用类封装数据状态与操作逻辑是更专业的方案，彻底规避全局变量的弊端，同时让代码更模块化、可扩展：

外部Python文件（例如命名为`data_manager.py`）代码：

import numpy as np

class ListManager:
    def __init__(self):
        self.my_list = []  # 用实例属性替代全局变量

    def add_value(self, a):
        self.my_list.append(a)

    def add_array(self, a, b):
        array = np.arange(a, b)
        self.my_list.append(array)

    def clear(self):
        self.my_list = []

Jupyter Notebook中调用方式：

from data_manager import ListManager

# 创建实例，每个实例拥有独立的列表状态
manager = ListManager()
manager.add_value(3)
manager.add_array(6,9)
print(manager.my_list)  # 输出: [3, array([6, 7, 8])]

# 可同时创建多个互不干扰的实例
manager2 = ListManager()
manager2.add_value(10)
print(manager2.my_list)  # 输出: [10]

这种结构的核心优势：