为何全局numpy变量传入函数后改变，普通变量却不变？如何避免？

这本质是Python里可变对象和不可变对象的传递逻辑差异，结合你描述的现象，我给你拆解下：

假设你的代码大概是这样的（完美匹配你说的结果）：

import numpy as np

# 全局变量
a = [1, 2, 3]
a_np = np.array([1, 2, 3])

def glb_mod(arr):
    # 对列表重新赋值
    if isinstance(arr, list):
        arr = [999, 999, 999]
    # 对numpy数组修改元素
    elif isinstance(arr, np.ndarray):
        arr[0] = 999

# 调用函数
glb_mod(a)
glb_mod(a_np)

print(a)       # 输出 [1, 2, 3]
print(a_np)    # 输出 [999, 2, 3]

背后的核心逻辑：

• 对于列表a：函数里的arr = [999...]其实是给局部变量arr重新绑定了一个全新的列表对象，根本没碰原来的全局列表a，所以原a完全没变。
• 对于numpy数组a_np：numpy数组属于可变对象，传递给函数的是它的内存引用。函数里的arr[0] = 999是直接通过引用修改了原数组的元素值，所以全局的a_np自然就跟着变了。

核心思路就是别直接传原对象，传它的副本，这样函数内部折腾的是副本，原对象毫发无损。有两种简单的实现方式：

方式1：调用函数时传入副本 #

直接用numpy数组的copy()方法生成副本再传入：

# 传入a_np的副本，原数组不会被修改
glb_mod(a_np.copy())
print(a_np)  # 还是原来的 [1,2,3]

方式2：在函数内部先做副本再操作 #

如果不想改调用方式，就在函数内部先复制一份传入的数组，之后只操作副本：

def glb_mod(arr):
    # 先创建原数组的副本
    arr_copy = arr.copy()
    # 只修改副本
    arr_copy[0] = 999
    # 可以把修改后的副本返回给调用者
    return arr_copy

# 调用后原数组不变，修改后的结果存在变量里
modified_arr = glb_mod(a_np)
print(a_np)          # [1,2,3]
print(modified_arr)  # [999,2,3]

额外补个小知识点：如果想让列表a被函数修改怎么办？ #

刚才的例子里列表没被修改是因为重新赋值了局部变量。如果要修改原列表，得直接操作列表的内容，比如用切片赋值：

def glb_mod(arr):
    if isinstance(arr, list):
        arr[:] = [999, 999, 999]  # 直接修改原列表的内容
    elif isinstance(arr, np.ndarray):
        arr_copy = arr.copy()
        arr_copy[0] = 999
        return arr_copy

glb_mod(a)
print(a)  # 现在会输出 [999,999,999]

内容的提问来源于stack exchange，提问作者DIY-DS