python中函数参数的引用与传值

最近自己写了个函数，实现numpy数组180度旋转的功能：

import numpy as np
def rotate(matrix):

    if matrix.ndim == 2:
        matrix = list(matrix)
        for i in range(2):
            #一次顺时针旋转90度
            matrix[:] = map(list,zip(*matrix[::-1]))
        return np.array(matrix)
    elif matrix.ndim == 3:
        for j in range(matrix.shape[0]):
            matrix[j] = rotate(matrix[j])
        return np.array(matrix)

weights2 = np.array(
[[[2,2,1],
[1,2,1],
[1,2,0]],

[[1,0,1],
[1,1,1],
[1,2,0]],

[[0,0,2],
[1,2,1],
[0,1,1]]])

观察一下，发现输出正确，但再次输出weights2时，发现也跟着旋转了

很好奇为啥只是作为函数输入的weights2在函数内部会被修改，后来了解到python中可变参数一般是参数引用而不是参数传值，对于一般的赋值也是如此。
比如：

matrix = weights2
print(weights2)
print(id(weights2),'\n',id(matrix))
matrix[0][0][0] = 10
print(weights2)

发现直接赋值时，两个变量的ID竟然是相同的，也就是两个变量完全等价，任意一个变量修改都会影响到另一个。试试下一种赋值方法

matrix = weights2[:]
print(weights2)
print(id(weights2),'\n',id(matrix))
matrix[0][0][0] = 10
print(weights2)

两个变量不相同，但是变量指向的元素地址却相同，所以二者还是相关联的。
再来看一种情况如下：

matrix = weights2[0]
print(weights2)
print(id(weights2),'\n',id(matrix))
matrix[0][0] = 10
print(weights2)

即使只取weights2[0]赋给matrix，但二者还是共享变量地址，因此二者还是相关联的。
如何避免两个变量相关联的情况呢，可以对原来的变量进行一些运算，因为有运算，所以会另外开辟地址保存运算结果，并将运算结果赋值给左端变量matrix，使得matrix与weights2两个变量指向的地址不再相同。

matrix = weights2 + 0
print(weights2)
print(id(weights2),'\n',id(matrix))
matrix[0][0][0] = 10
print(weights2)

这次总算实现了对matrix修改，而weights2保持不变了。

最后贴上我对rotate函数的两种修改：

def rotate(matrix):
    if matrix.ndim == 2:
        matrix = list(matrix)
        for i in range(2):
            #一次顺时针旋转90度
            matrix[:] = map(list,zip(*matrix[::-1]))
        return np.array(matrix)
    elif matrix.ndim == 3:
        matrix = matrix + 0.0
        for j in range(matrix.shape[0]):
            matrix[j] = rotate(matrix[j])
        return np.array(matrix)

def rotate(matrix):
    matrix1 = list(matrix)
    if matrix.ndim == 2:
        for i in range(2):
            #一次顺时针旋转90度
            matrix1[:] = map(list,zip(*matrix1[::-1]))
        return np.array(matrix1)
    elif matrix.ndim == 3:
        for j in range(matrix.shape[0]):
            matrix1[j] = rotate(matrix1[j])
        return np.array(matrix1)

后面一种在开始就对matrix取list，因此也会另外开辟地址保存数据。