写入全局数组的显式元素显然不需要全局声明，尽管“批发”写入它确实有这样的要求：

import numpy as np

hostValue = 3.14159
hostArray = np.array([2., 3.])
hostMatrix = np.array([[1.0, 0.0],[ 0.0, 1.0]])

def func1():
    global hostValue    # mandatory, else local.
    hostValue = 2.0

def func2():
    global hostValue    # mandatory, else UnboundLocalError.
    hostValue += 1.0

def func3():
    global hostArray    # mandatory, else local.
    hostArray = np.array([14., 15.])

def func4():            # no need for globals
    hostArray[0] = 123.4

def func5():            # no need for globals
    hostArray[1] += 1.0

def func6():            # no need for globals
    hostMatrix[1][1] = 12.

def func7():            # no need for globals
    hostMatrix[0][0] += 0.33

func1()
print "After func1(), hostValue = ", hostValue
func2()
print "After func2(), hostValue = ", hostValue
func3()
print "After func3(), hostArray = ", hostArray
func4()
print "After func4(), hostArray = ", hostArray
func5()
print "After func5(), hostArray = ", hostArray
func6()
print "After func6(), hostMatrix = \n", hostMatrix
func7()
print "After func7(), hostMatrix = \n", hostMatrix

如果我正确理解了您的情况，那么您看到的是Python如何处理本地（函数）和全局（模块）命名空间的结果。

假设你有这样一个模块：

# sample.py
_my_global = 5

def func1():
    _my_global = 42

def func2():
    print _my_global

func1()
func2()

您可能希望它打印42，但实际上它打印5。如上所述，如果向func1（）添加一个“全局”声明，那么func2（）将打印42。

def func1():
    global _my_global 
    _my_global = 42

这里发生的情况是，Python假设在函数中的任何地方，任何分配给的名称都是该函数的本地名称，除非另有明确说明。如果它只是从一个名称中读取，并且该名称在本地不存在，那么它将尝试在任何包含范围（例如模块的全局范围）中查找该名称。

因此，当将42指定给名称_my_global时，Python将创建一个局部变量，该变量将覆盖同名的全局变量。当func1（）返回时，该local超出范围并被垃圾收集；同时，func2（）只能看到（未修改的）全局名称。请注意，这个命名空间决定发生在编译时，而不是在运行时——如果在赋值之前读取func1（）内部的_my_global值，则会得到UnboundLocalError，因为Python已经决定它必须是一个本地变量，但它还没有与之关联的任何值。但通过使用“global”语句，您告诉Python应该在其他地方查找名称，而不是在本地分配。

（我认为，这种行为主要源于对本地名称空间的优化——如果没有这种行为，Python的VM每次在函数内部分配新名称时都需要执行至少三次名称查找（以确保该名称在模块/内置级别上不存在），这将大大降低非常常见的操作速度。）

您可能需要探索名称空间的概念。在Python中，模块是全局数据的自然位置：

每个模块都有自己的专用符号表，该表被模块中定义的所有函数用作全局符号表。因此，模块的作者可以在模块中使用全局变量，而不用担心与用户的全局变量发生意外冲突。另一方面，如果你知道你在做什么，你可以用与引用它的函数相同的符号modname.itemname来触摸模块的全局变量。

这里描述了模块中全局变量的具体用法-如何在模块之间共享全局变量？，为完整起见，内容如下：

在单个程序中跨模块共享信息的规范方法是创建一个特殊的配置模块（通常称为config或cfg）。只需在应用程序的所有模块中导入配置模块；然后，模块变为可用的全局名称。因为每个模块只有一个实例，所以对模块对象所做的任何更改都会在任何地方反映出来。例如：

文件：config.py

x=0#“x”配置设置的默认值

文件：mod.py

import config
config.x = 1

文件：main.py

import config
import mod
print config.x

全局变量很好-除了多处理

与不同平台/环境上的多处理相关的全局变量因为一边是Windows/Mac OS，另一边是Linux，这很麻烦。

我将用一个简单的例子向你展示这一点，指出我前段时间遇到的一个问题。

如果你想了解为什么Windows/MacOs和Linux上的情况不同需要知道的是，启动新进程的默认机制。。。

Windows/MacOs是“种子”Linux是“fork”

它们在内存分配和初始化方面有所不同。。。（但我不想谈这个此处）。

让我们看看这个问题/例子。。。

import multiprocessing

counter = 0

def do(task_id):
    global counter
    counter +=1
    print(f'task {task_id}: counter = {counter}')

if __name__ == '__main__':

    pool = multiprocessing.Pool(processes=4)
    task_ids = list(range(4))
    pool.map(do, task_ids)

窗户

如果你在Windows上运行这个（我想也是在MacOS上），你会得到以下输出。。。

task 0: counter = 1
task 1: counter = 2
task 2: counter = 3
task 3: counter = 4

Linux系统

如果您在Linux上运行此程序，则会得到以下结果。

task 0: counter = 1
task 1: counter = 1
task 2: counter = 1
task 3: counter = 1

您需要在每个要使用的函数中引用全局变量。

如下：

var = "test"

def printGlobalText():
    global var #wWe are telling to explicitly use the global version
    var = "global from printGlobalText fun."
    print "var from printGlobalText: " + var

def printLocalText():
    #We are NOT telling to explicitly use the global version, so we are creating a local variable
    var = "local version from printLocalText fun"
    print "var from printLocalText: " + var

printGlobalText()
printLocalText()
"""
Output Result:
var from printGlobalText: global from printGlobalText fun.
var from printLocalText: local version from printLocalText
[Finished in 0.1s]
"""

我补充了这一点，因为我在其他任何答案中都没有看到它，它可能对正在与类似问题作斗争的人有用。globals（）函数返回一个可变的全局符号字典，您可以在其中“神奇地”使数据可用于代码的其余部分。例如：

from pickle import load
def loaditem(name):
    with open(r"C:\pickle\file\location"+"\{}.dat".format(name), "rb") as openfile:
        globals()[name] = load(openfile)
    return True

and

from pickle import dump
def dumpfile(name):
    with open(name+".dat", "wb") as outfile:
        dump(globals()[name], outfile)
    return True

将只允许您将变量转储/加载到全局命名空间中。超级方便，没有麻烦，没有麻烦。很确定它只是Python 3。