python库是否自然地依赖于全局命名空间?

当我试图确定两台发电机的相对性能时,首先遇到了这个问题:

t = timeit.repeat('g.get()', setup='g = my_generator()')

所以我深入研究了timeit模块,发现setup和语句是用它们自己的私有名称空间(最初是空的名称空间)计算的,因此g的绑定自然不会被g.get()语句访问。显而易见的解决方案是将它们包装成一个类,从而添加到全局命名空间中。

在另一个项目中,我试图使用多处理模块在工作人员之间分配任务时,又碰到了这个问题。我甚至把所有东西都很好地打包到一个类中,但不幸的是

pool.apply_async(runmc, arg) 

使用picklingerror失败,因为runmc实例化的工作对象中隐藏的是(实际上)一个赋值:

self.predicate = lambda x, y: x > y

所以整个对象不能(可以理解)被腌制,而:

def foo(x, y): 
    return x > y
pickle.dumps(foo)

很好,顺序是

bar = lambda x, y: x > y

从 callable(bar) 从 type(bar) 但是 Can't pickle <function <lambda> at 0xb759b764>: it's not found as __main__.<lambda> .

我只给出了代码片段,因为只需将它们拉到模块或对象级的def中,就可以轻松地修复这些情况。这里的bug似乎在我对名称空间使用的一般语义的理解中。如果语言的本质要求我创造更多 def 我很乐意这么做;但我担心我遗漏了一个基本概念。为什么对全局名称空间有如此强烈的依赖?或者,我不明白什么?

Namespaces are one honking great idea -- let's do more of those!