类方法内外的matrix变量值为何不同？

是的，这正是导致你看到不同结果的原因！

核心原因：NumPy数组是可变对象，赋值传递的是引用 #

在Python里，像NumPy数组、列表这类可变对象，当你执行matrix = self.A时，并不是把self.A的内容复制一份给matrix，而是让matrix和self.A指向内存里的同一个数组对象——说白了，它们就是同一个东西的两个“别名”而已。

所以当你后续修改self.A的时候，本质上是在修改内存中那个唯一的数组，matrix作为自然也会跟着变化。你在类内部打印时，修改还没发生；等外部打印时，self.A已经被改动，matrix指向的也是修改后的数组，结果自然不一样。

结合你的代码来看 #

我先把你的代码修正了语法错误，方便更清晰地理解逻辑：

import numpy as np

def function():
    obj = X()
    print(matrix)  # 外部打印：此时self.A已被后续修改，matrix同步变化

class X():
    def __init__(self):
        # 假设self.words和self.wdict是已定义的变量
        self.A = np.zeros([len(self.words), self.dcount])
        for i, k in enumerate(self.words):
            for d in self.wdict[k]:
                self.A[i,d] += 1
        global matrix
        matrix = self.A
        print(matrix)  # 类内部打印：此时self.A还没被后续修改
        # 这里开始对self.A做一些修改操作
        # ...

if __name__ == "__main__":
    function()

你在__init__里把matrix指向self.A，之后修改self.A的操作会直接影响matrix，因为它们指向同一个数组。

解决方法：创建数组的独立副本 #

如果你想让matrix保持self.A赋值时的状态，不受后续修改影响，需要创建一个数组的副本，而不是直接赋值引用。用NumPy数组自带的copy()方法就可以：

matrix = self.A.copy()  # 替代原来的 matrix = self.A

这样matrix就会指向一个全新的数组对象，和self.A完全独立，后续修改self.A就不会再影响matrix了。如果你的数组是嵌套的复杂结构，也可以用np.deepcopy()，不过普通一维/二维NumPy数组用copy()就足够。

内容的提问来源于stack exchange，提问作者Tripoli