Python 如何在不使用全局变量的情况下编写函数中包含许多常量的公式，同时使其名称保持有意义？

我有一个函数，应该用ode解算器来解。问题是它有很多常数（比如100），同时我不想把它们放在一个数组中，因为很难理解公式（它们是化学物质）。此函数中的部分代码如下所示：

 # Component: Calcium Fluxes

    J_rel =  v1*(P_O1+P_O2)*(Ca_JSR - Ca_ss)*P_RyR # (micromolar_per_millisecond)
    J_tr = (Ca_NSR - Ca_JSR)/tau_tr #  (micromolar_per_millisecond)
    J_leak =  v2*(Ca_NSR - Ca_i) #  (micromolar_per_millisecond)
    J_up = ( v3*(Ca_i ^ 2.00000))/((K_m_up ^ 2.00000)+(Ca_i ^ 2.00000)) #  (micromolar_per_millisecond)
    J_xfer = (Ca_ss - Ca_i)/tau_xfer #  (micromolar_per_millisecond)
    P_RyR_prime =  - 0.0400000*P_RyR -  (( 0.100000*I_Ca_channels)/i_CaL_max)*(exp(( - ((V_m - 5.00000) ^ 2.00000)/648.000))) #  (micromolar_per_millisecond)

如果我想把它们放到一个数组中，它会变成这样：

J_rel =  algebraic[2]*(constants[21]+constants[3])*(constants[4] - Ca_ss)*P_RyR # (micromolar_per_millisecond)
J_tr = (Ca_NSR - Ca_JSR)/tau_tr #  (micromolar_per_millisecond)
J_leak =  constants[31]*(Ca_NSR - Ca_i) #  (micromolar_per_millisecond)
J_up = ( constants[69]*(Ca_i ^ 2.00000))/((constants[17] ^ 2.00000)+(Ca_i ^ 2.00000)) #  (micromolar_per_millisecond)
J_xfer = (Ca_ss - Ca_i)/tau_xfer #  (micromolar_per_millisecond)
P_RyR_prime =  - 0.constants[5]*P_RyR - (( 0.100000*constants[65])/constants[43])*(exp(( - ((V_m - constants[4]) ^ 2.00000)/constants[34]))) #  (micromolar_per_millisecond)

很难“看到”实际公式。我必须将常量定义为全局变量吗？此函数由ode解算器使用，迭代次数约为50000次。所以我需要一些高效的东西

另外，我正在使用python（scipy库），但我认为在其他语言中也可能存在同样的问题

---

非常感谢

如果您想避免污染名称空间，可以使用字典：

c = { 'Ca_NSR' : 1.5, ... }

J_rel =  v1*(P_O1+P_O2)*(c['Ca_JSR'] - c['Ca_ss'])*P_RyR

您还可以使用一个类：

def Constants(object):
    def __init__(self):
        self.Ca_NSR = 1.5
        # etc...

c = Constants()
J_rel =  v1*(P_O1+P_O2)*(c.Ca_JSR - c.Ca_ss)*P_RyR

---

如果要避免污染命名空间，可以使用字典：

c = { 'Ca_NSR' : 1.5, ... }

J_rel =  v1*(P_O1+P_O2)*(c['Ca_JSR'] - c['Ca_ss'])*P_RyR

您还可以使用一个类：

def Constants(object):
    def __init__(self):
        self.Ca_NSR = 1.5
        # etc...

c = Constants()
J_rel =  v1*(P_O1+P_O2)*(c.Ca_JSR - c.Ca_ss)*P_RyR

---

您可以使用函数关键字参数将dict“解包”到本地命名空间中：

c = { 'Ca_NSR' : 1.5, ... }

def f(Ca_JSR, Ca_ss, ...):
  J_rel =  v1*(P_O1+P_O2)*(Ca_JSR - Ca_ss)*P_RyR

f(**c)

---

有关f（**c）含义的详细信息，请参阅上的文档。

您可以使用函数关键字参数将dict“解包”到本地命名空间中：

c = { 'Ca_NSR' : 1.5, ... }

def f(Ca_JSR, Ca_ss, ...):
  J_rel =  v1*(P_O1+P_O2)*(Ca_JSR - Ca_ss)*P_RyR

f(**c)

---

有关f（**c）的详细信息，请参阅上的文档。

仔细想想，为什么不使用全局变量呢？它会给你一个漂亮、简单、快速的结果。在python中，全局变量将被限制在定义它们的模块中，因此您不必像在C中那样担心它们会污染整个程序。

仔细想想，为什么不只使用全局变量呢？它会给你一个漂亮、简单、快速的结果。在python中，全局变量将被限制为在中定义的模块，因此，您不必担心它们会像在C中那样污染整个程序。

似乎是答案，但让我来看看scipy ode解算器是否可以处理此问题。似乎是答案，但让我来看看scipy ode解算器是否可以处理此问题。问题是什么效率？我听说在MATLAB中，每次调用函数时，它都会将所有全局变量复制到函数中。因此，如果您想运行50000的函数，这将成为一个问题。在这里，效率对我来说很重要，不会污染范围。如果效率很重要，我将使用globals和其他一些方案，使用

timeit

模块来分析您的代码，看看哪一个能提供更好的性能。这是说服你自己的最好方法，然后你有足够的数据来做出明智的决定。效率如何？我听说在MATLAB中，每次调用函数时，它都会将所有全局变量复制到函数中。因此，如果您想运行50000的函数，这将成为一个问题。在这里，效率对我来说很重要，不会污染范围。如果效率很重要，我将使用globals和其他一些方案，使用

timeit

模块来分析您的代码，看看哪一个能提供更好的性能。这是说服你自己的最好方法，然后你就有了硬数字来做出明智的决定。这个例子有助于解释发生了什么：c={'CA_NSR'：1.5，…}；foo（**c）与foo（CA_NSR=c['CA_NSR']，…）相同。这个例子有助于解释发生了什么：c={'CA_NSR'：1.5，…}；foo（**c）与foo相同（CA_NSR=c['CA_NSR']，…）