基于TensorFlow+DeepSORT的车辆追踪脚本动态生成组合计数变量实现方案
之前exec方案失效的核心原因
你尝试的exec动态赋值之所以拿不到值,根本不是拼接逻辑写错了,是两个绕不开的问题:
- Python的作用域规则卡了脖子:如果你的exec代码是放在自定义的处理函数里运行,新生成的
EV变量会被存在函数的局部命名空间里,出了函数范围这个变量就直接消失了,外面调用print(EV)自然报找不到变量的错 - 字符串拼接的exec逻辑没有容错:哪怕语法完全正确,一旦后续跟踪的方向属性不是预期的单字符(比如出现打错的
EVV、ENWS这类值),拼出来的执行语句会直接报语法错,出了问题根本没法调试
满足保留
EV、SV类简洁变量名需求的可行方案 推荐采用「Pandas分组统计+全局命名空间批量赋值」的方案,完全不需要手动写12个变量的更新逻辑,也不会有exec的作用域坑,核心思路是利用Python原生的globals()方法直接往全局命名空间写值,比exec稳定太多。
具体实现代码
import pandas as pd # 提前枚举所有符合规则的OD组合(4个方向、起终点不重复,共12个固定组合) direction_list = ['E', 'N', 'S', 'V'] valid_od_pairs = [o + d for o in direction_list for d in direction_list if o != d] # 一次性扫描DataFrame完成所有OD组合的计数,比循环写12次sum的效率高很多 # 原逐次筛选的方式,每统计一个组合就要对全表做一次布尔筛选,12次就是12次全表遍历,分组统计只需要扫1次 od_count = df.groupby(['orig', 'dest']).size() # 批量给所有OD对应的简洁命名变量赋值 for o in direction_list: for d in direction_list: if o == d: continue pair_var_name = o + d # 从分组结果中取对应计数,没有匹配到车辆的组合默认值为0 current_count = od_count.get((o, d), 0) # 直接把值写入全局命名空间,后续代码可以直接像普通变量一样访问 globals()[pair_var_name] = current_count
方案优势
- 完全匹配你必须保留
EV、SV这类简洁命名变量的硬需求,赋值完成后,直接写print(EV)、判断if SV > 20这类逻辑和手动定义变量没有任何区别 - 效率远高于逐次筛选统计:原来的写法每轮要对整个DataFrame做12次布尔判断和求和,分组统计只需要一次全表遍历,数据量越大性能优势越明显
- 完全规避exec的作用域问题,
globals()是Python原生的全局命名空间操作方法,代码在函数内、全局作用域下都能稳定把变量写到可访问的位置
兼顾灵活性的扩展实现
如果你后续需要批量处理所有OD组合(比如定期生成流量统计报表、每帧动态更新计数),可以用字典作为底层存储,再同步映射为简洁命名的全局变量:
# 底层字典存储所有OD统计值,方便后续批量遍历、动态扩展 od_stats = {} for pair in valid_od_pairs: o, d = pair[0], pair[1] od_stats[pair] = od_count.get((o, d), 0) # 把字典中所有键值对批量同步到全局命名空间 globals().update(od_stats)
这种方式的好处是:
- 定期重算统计值的时候,只需要更新od_stats字典中的对应值,再跑一次
globals().update(od_stats)就能同步所有EV、SV类的变量值,不需要逐个修改 - 既支持直接调用简洁变量名写业务逻辑,也支持通过字典遍历完成批量统计、报表生成等通用操作
常见避坑提示
- 赋值前可以加个简单的重名校验,避免动态写入的变量覆盖代码里已有的同名全局变量
- 因为你的OD组合是固定规则下的12个固定值,完全不需要靠每台跟踪车辆的属性动态生成变量,提前枚举的方式稳定性远高于动态拼接生成变量名
- 尽量不要用exec做动态赋值操作,除了作用域不可控的问题,一旦跟踪的属性值出现异常,很容易拼出语法错误的执行语句,排查问题成本很高
内容的提问来源于stack exchange,提问作者Lundqan
相关产品推荐
相关产品推荐

