Python 对变量所做的更改未反映在控制台中

代码更能说明问题：

import numpy as np
a = np.ones(shape=(4, 2))
def func():
    for i in a:
        print(i)

跑步：

In[3]: func()
[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]
In[4]: a = np.zeros(shape=(4, 2))
In[5]: func()
[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]

请注意，我更改了（a）。但是，当我再次运行该函数时，没有任何更改！！

---

详细信息：Pycharm的最新版本。配置>执行：使用Python控制台运行。

我不使用Pycharm。但我想我知道为什么

当您使用Python控制台运行时，它应该在后台从源文件导入*

在控制台中将

a

重新绑定到新对象时，func仍将使用源文件中的

a

，而不是控制台中的

a

您可以通过从源文件import*显式地

进行尝试，并执行其余操作来验证它。我自己在电脑上查过了

如果您想了解原因，您可以阅读，并确保您理解以下内容：

在代码块中使用名称时，将使用最近的封闭范围解析名称。代码块可见的所有这些作用域的集合称为块的环境

我在ipython的尝试：

In [2]: from test import *

In [3]: func()
[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]

In [4]: a = np.zeros(shape=(4, 2))

In [5]: func()
[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]

In [6]: def func():
   ...:     for i in a:
   ...:         print(i)
   ...:

In [7]: func()
[0. 0.]
[0. 0.]
[0. 0.]
[0. 0.]

及

使用test.py文件中的代码。
最初，这是一个模块化设计的大型神经网络。经过3天的调试，我将其缩减为原来的版本。可能重复：@XaviMartínez不，我不更新函数。但是，是的，解决我的问题，我只需要再次定义相同的函数，它就可以工作了！但鉴于功能没有改变，为什么会这样呢。是（a）改变了。哇，你是个天才，你在不同的平台上重新生成了问题。那么，你是说Pycharm没有bug？我如何防止这种情况发生？这让我在实验神经网络时头疼。@AlexDeft是的，我认为Pycharm没有bug，你可以在Pycharm控制台中试试。这是Python的规则。@AlexDeft将变量传递给func，而不是使用全局变量，这是一个坏习惯，从其他地方导入时将无效。
In [1]: from auto_audit_backend.test_np import *

In [2]: func()
[1. 1.]
[1. 1.]
[1. 1.]
[1. 1.]

In [3]: a[0][0] = 666

In [4]: func()
[666.   1.]
[1. 1.]
[1. 1.]
[1. 1.]

In [5]: a = np.zeros(shape=(4, 2))

In [6]: func()
[666.   1.]
[1. 1.]
[1. 1.]
[1. 1.]