Python函数无法访问先前声明的向量变量的修复方法

报错原因 #

你遇到的Unresolved reference to path_avg本质是Python变量作用域规则导致的，除此之外你的代码还有两处会导致计算结果完全错误的逻辑bug：

• 作用域问题：path和path_avg定义在函数外的全局作用域，当你在函数内部对这两个变量执行赋值/原地修改操作时，Python会默认将其视为函数局部变量。循环内执行path_avg+=path时，局部变量path_avg还未完成初始化就被读取，就会触发未定义引用报错。
• 数组引用问题：初始化时写path_avg=path没有做内存拷贝，两个变量会指向同一个numpy数组的内存地址，后续对任意一个变量的修改都会同步影响另一个，完全不符合累加逻辑。
• 全局变量污染问题：数组定义在全局作用域时，多次调用函数会残留上一次运行的数值，导致计算结果错误。

修复方案 #

把数组初始化移到函数内部，从根源规避作用域问题和全局污染，同时注意数组拷贝避免引用联动错误，修复后可直接运行的代码如下：

import numpy as np
from random import random

N = 10000

def avg_path_finder(iterations):
    # 每次调用函数独立初始化路径数组，无全局依赖
    path = np.zeros(N)
    # 初始化独立的累加数组，和path不共享内存
    path_avg = np.zeros(N)
    for i in range(iterations):
        index = int(random() * N)
        path[index] += 1
        # 累加当前path的副本，避免后续path修改联动影响已累加的结果
        path_avg += path.copy()
    # 计算平均值并返回
    return path_avg / iterations

可选说明 #

如果你出于特殊需求必须把数组定义在全局作用域，需要在函数内部第一行添加全局变量声明：

def avg_path_finder(iterations):
    global path, path_avg
    # 后续原有逻辑

这种写法非常不推荐，全局状态很容易引入难以排查的隐性bug。

内容的提问来源于stack exchange，提问作者Salvatore Manfredi D