Python函数内如何有条件地声明全局变量

Python采用函数级作用域，不存在块级作用域的变量隔离，global关键字的生效范围是整个函数，而非它所在的if代码块：

• 只要函数执行过程中运行到了global 变量名语句，解释器就会把当前函数内所有对该变量名的赋值、引用，都绑定到全局作用域的同名变量，和语句所在的缩进位置无关。
• 你给出的示例中if True是恒成立条件，global a一定会被执行，因此后续写在if块外的a = 10本质是给全局变量a赋值，函数执行完a自然会留在全局作用域可以被打印。
• 如果把示例里的if True改成if False，global a不会被执行，此时a是函数内的局部变量，函数执行结束后随栈帧销毁，外部打印a就会抛出NameError。

最规范、内存效率最高的方式是条件返回封装后的中间变量，完全不污染全局命名空间，也能保证不需要绘图时中间变量立刻被垃圾回收：

方案1：字典/数据类打包返回（最推荐） #

把需要的中间变量打包成字典或者dataclass，只有开启绘图开关时才随最终结果一起返回，不需要时仅返回业务结果，中间变量随函数执行结束自动回收。
示例代码：

from dataclasses import dataclass
import numpy as np

# 变量多的时候用dataclass定义结构，比字典更不容易写错key
@dataclass
class PlotMeta:
    raw_signal: np.ndarray
    filtered_signal: np.ndarray
    peak_points: np.ndarray
    # 其余20+个绘图需要的中间变量在这里定义字段即可

def signal_calc(enable_plot: bool = False):
    # 正常计算逻辑
    raw_signal = np.random.randn(10_000_000) # 模拟大体积数据
    filtered_signal = raw_signal * 0.8
    peak_points = np.where(filtered_signal > 1)[0]
    final_result = filtered_signal.mean()

    if not enable_plot:
        # 不需要绘图时仅返回最终结果，中间变量立刻回收
        return final_result
    # 需要绘图时把中间变量打包返回
    return final_result, PlotMeta(
        raw_signal=raw_signal,
        filtered_signal=filtered_signal,
        peak_points=peak_points
    )

# 日常调用：不持有中间变量，无额外内存占用
res = signal_calc(enable_plot=False)

# 绘图时调用：拿到中间变量使用
res, plot_meta = signal_calc(enable_plot=True)
# 绘图逻辑直接取plot_meta里的字段即可
# 用完之后把plot_meta设为None，对应内存会立刻被回收

如果觉得写dataclass麻烦，直接返回字典也可以，结构和上面一致，把PlotMeta换成普通dict存键值对就行。

方案2：显式条件赋值全局变量（不推荐） #

如果你确实需要用全局变量，必须把全局变量的赋值逻辑也放进条件分支里，避免恒赋值：

def signal_calc(enable_plot: bool = False):
    # 计算逻辑
    raw_signal = np.random.randn(10_000_000)
    filtered_signal = raw_signal * 0.8
    final_result = filtered_signal.mean()

    if enable_plot:
        # 仅在需要时声明全局变量并赋值
        global plot_raw, plot_filtered
        plot_raw = raw_signal
        plot_filtered = filtered_signal
    return final_result

这个方案的问题是容易污染全局命名空间，一旦忘记释放全局变量的引用，大体积数据会一直占用内存。

方案3：类实例持有上下文 #

如果你的计算逻辑本身比较复杂，可以封装成类，用实例属性按需持有中间变量：

class SignalProcessor:
    def __init__(self):
        self.plot_meta = None # 默认不存储中间变量
    
    def run(self):
        raw_signal = np.random.randn(10_000_000)
        filtered_signal = raw_signal * 0.8
        final_result = filtered_signal.mean()

        # 只有主动设置了plot_meta为容器时，才存储中间变量
        if self.plot_meta is not None:
            self.plot_meta["raw"] = raw_signal
            self.plot_meta["filtered"] = filtered_signal
        return final_result

processor = SignalProcessor()
# 日常调用
res = processor.run()

# 绘图前先初始化上下文容器
processor.plot_meta = {}
res = processor.run()
print(processor.plot_meta["raw"])
# 用完清空上下文释放内存
processor.plot_meta = None

内容的提问来源于stack exchange，提问作者rocketbase999