Kaggle ML课程中Python函数为何能使用非参数非全局的外部变量

你遇到的这个函数能在Jupyter中正常运行的核心原因是Jupyter内核的变量作用域规则：

• 同一个Notebook内核的所有代码单元格共享同一个全局命名空间，只要你在调用get_score函数之前，已经在其他单元格完成了X、y变量的赋值操作，这两个变量就会被存入全局作用域
• Python函数查找变量时会优先查找自身局部作用域，找不到的话会自动向上查找全局作用域的同名变量，所以不需要把X、y作为参数传入也能正常调用

该写法的不合理之处 #

• 代码可读性差：没有显式声明函数依赖的数据源，第三方拿到代码无法快速明确函数运行需要的入参
• 复用性低：如果切换数据集或者变量名发生变动，函数会直接报错
• 存在隐式bug风险：如果全局作用域的X、y后续被意外修改，函数的返回结果也会随之变动，很难定位问题

规范优化写法 #

建议将X、y作为显式参数传入函数，修改后代码如下：

def get_score(n_estimators, X, y):
    my_pipeline = Pipeline(steps=[
        ('preprocessor', SimpleImputer()),
        ('model', RandomForestRegressor(n_estimators, random_state=0))
    ])
    scores = -1 * cross_val_score(my_pipeline, X, y,
                                  cv=3,
                                  scoring='neg_mean_absolute_error')
    return scores.mean()

调用时直接传入对应数据集即可，例如：get_score(n_estimators=100, X=train_x, y=train_y)

内容的提问来源于stack exchange，提问作者yyoavv