如何构建多模块需更新同一变量的大型Python程序

两种方案都不需要全局变量，也能保证主程序结构简洁，学习成本都很低。

方案1：用dataclass封装状态和逻辑（最推荐） #

Python 3.7及以上版本自带的dataclasses模块可以用极少的代码实现封装，把你需要维护的基因型、表型列表，以及对应的操作逻辑都放在同一个类里，既拆分了代码，又避免了全局变量的问题。

示例代码 #

from dataclasses import dataclass
from typing import List

@dataclass
class PlantEvolveSim:
    # 所有需要跨函数操作的列表作为类属性
    genotypes: List[list] = None
    phenotypes: List[float] = None

    def __post_init__(self):
        # 初始化默认空列表，规避Python可变默认参数的常见坑
        self.genotypes = self.genotypes if self.genotypes is not None else []
        self.phenotypes = self.phenotypes if self.phenotypes is not None else []

    def calc_phenotypes(self):
        """根据基因型计算对应表型，替代原先的全局函数"""
        self.phenotypes = [self._calc_single_pheno(g) for g in self.genotypes]

    def _calc_single_pheno(self, genotype: list) -> float:
        """内部辅助方法，计算单个个体的表型，不用对外暴露"""
        # 替换为你自己的表型计算逻辑即可
        return sum(genotype) * 0.8

    def run_single_generation(self):
        """单次世代演化逻辑，拆分为独立方法"""
        new_genos = []
        # 替换为你自己的选择、变异、繁殖逻辑即可
        for geno in self.genotypes:
            mutated_geno = geno.copy()
            if mutated_geno:
                mutated_geno[0] += 0.05
            new_genos.append(mutated_geno)
        self.genotypes = new_genos
        self.calc_phenotypes()

主程序调用示例 #

if __name__ == "__main__":
    # 初始化模拟，传入初始基因型数据
    sim = PlantEvolveSim(genotypes=[[1,3], [2,5], [4,1]])
    # 主循环逻辑非常简洁，没有冗余的细节代码
    for generation in range(100):
        sim.run_single_generation()
        # 需要读取数据直接访问实例属性即可
        print(f"世代{generation}平均表型：{sum(sim.phenotypes)/len(sim.phenotypes):.2f}")

优势 #

• 所有相关数据和逻辑聚合在一起，后续修改、调试都更方便
• 完全不需要全局变量，规避了全局变量的命名冲突、意外修改等问题
• 主循环只需要调用封装好的方法，结构清晰可读性强

方案2：用字典传递状态（适合极小项目，零学习成本） #

如果你的模拟逻辑非常短，不想额外写类，可以把所有需要共享的列表都放在一个字典中，所有操作函数都接收这个字典作为参数即可。因为字典是可变对象，函数内部修改字典中的值会直接生效，不需要额外return。

示例代码 #

def init_sim_state(initial_genotypes: list) -> dict:
    return {
        "genotypes": initial_genotypes,
        "phenotypes": []
    }

def calc_phenotypes(state: dict):
    state["phenotypes"] = [sum(g)*0.8 for g in state["genotypes"]]

def run_single_generation(state: dict):
    new_genos = []
    for geno in state["genotypes"]:
        mutated = geno.copy()
        if mutated:
            mutated[0] += 0.05
        new_genos.append(mutated)
    state["genotypes"] = new_genos
    calc_phenotypes(state)

主程序调用示例 #

if __name__ == "__main__":
    state = init_sim_state(initial_genotypes=[[1,3], [2,5], [4,1]])
    for generation in range(100):
        run_single_generation(state)
        print(f"世代{generation}平均表型：{sum(state['phenotypes'])/len(state['phenotypes']):.2f}")

优势 #

• 写法极简，不需要理解类的相关概念，上手零成本
• 同样不需要全局变量，主程序结构也能保持简洁

内容的提问来源于stack exchange，提问作者Slarty