如果您有一个同名的局部变量，您可能需要使用globals（）函数。

globals()['your_global_var'] = 42

如果要在函数中引用全局变量，可以使用global关键字声明哪些变量是全局变量。您不必在所有情况下都使用它（正如这里有人错误地宣称的那样）-如果表达式中引用的名称无法在定义该函数的函数的局部作用域中找到，则会在全局变量中查找该名称。

但是，如果您分配给函数中未声明为全局的新变量，则它将隐式声明为局部变量，并且它可能会覆盖同名的任何现有全局变量。

此外，全局变量是有用的，与一些OOP狂热者的说法相反——特别是对于较小的脚本，OOP是过度的。

事实证明，答案总是很简单。

下面是一个小示例模块，它以一种简单的方式在主定义中显示：

def five(enterAnumber,sumation):
    global helper
    helper  = enterAnumber + sumation

def isTheNumber():
    return helper

以下是如何在主要定义中显示它：

import TestPy

def main():
    atest  = TestPy
    atest.five(5,8)
    print(atest.isTheNumber())

if __name__ == '__main__':
    main()

这个简单的代码就是这样工作的，它会执行。我希望这有帮助。

您可以在其他函数中使用全局变量，方法是在为其赋值的每个函数中将其声明为全局变量：

globvar = 0

def set_globvar_to_one():
    global globvar    # Needed to modify global copy of globvar
    globvar = 1

def print_globvar():
    print(globvar)     # No need for global declaration to read value of globvar

set_globvar_to_one()
print_globvar()       # Prints 1

由于不清楚globvar=1是创建本地变量还是更改全局变量，Python默认创建本地变量，并使用全局关键字显式选择其他行为。

如果要在模块间共享全局变量，请参阅其他答案。

global_var = 10  # will be considered as a global variable


def func_1():
    global global_var  # access variable using variable keyword
    global_var += 1


def func_2():
    global global_var
    global_var *= 2
    print(f"func_2: {global_var}")


func_1()
func_2()
print("Global scope:", global_var) # will print 22

说明：

globalvar是一个全局变量，所有函数和类都可以访问该变量。

func_1（）使用关键字global访问该全局变量，该关键字指向写入全局范围的变量。如果我没有写全局关键字，func_1内的变量global_var被认为是一个局部变量，只能在函数内使用。然后在func_1内，我将全局变量递增1。

在func_2（）中也发生了同样的情况。

调用func_1和func_2后，您将看到global_var已更改

全局变量很好-除了多处理

与不同平台/环境上的多处理相关的全局变量因为一边是Windows/Mac OS，另一边是Linux，这很麻烦。

我将用一个简单的例子向你展示这一点，指出我前段时间遇到的一个问题。

如果你想了解为什么Windows/MacOs和Linux上的情况不同需要知道的是，启动新进程的默认机制。。。

Windows/MacOs是“种子”Linux是“fork”

它们在内存分配和初始化方面有所不同。。。（但我不想谈这个此处）。

让我们看看这个问题/例子。。。

import multiprocessing

counter = 0

def do(task_id):
    global counter
    counter +=1
    print(f'task {task_id}: counter = {counter}')

if __name__ == '__main__':

    pool = multiprocessing.Pool(processes=4)
    task_ids = list(range(4))
    pool.map(do, task_ids)

窗户

如果你在Windows上运行这个（我想也是在MacOS上），你会得到以下输出。。。

task 0: counter = 1
task 1: counter = 2
task 2: counter = 3
task 3: counter = 4

Linux系统

如果您在Linux上运行此程序，则会得到以下结果。

task 0: counter = 1
task 1: counter = 1
task 2: counter = 1
task 3: counter = 1