numpy.array 作为参数传入函数中时，是作为引用进去的，函数内部对这个数组的修改会直接修改原始数据。在函数中需要暂时修改数据，不对原始数据造成影响的话，需要用 np.copy() 先拷贝一份，在拷贝上修改。
但是在函数内部对其进行 del 时，只是删除了引用的局部变量，不会影响原数据。del 只是删除对一个数据的引用的变量，当这个数据没有变量在指向它时，他就会被回收，在函数中传入时相当于增加了一个对数据的引用的临时变量，不手动删除也会在函数结束时被删除。
如果直接返回参数，那么两个是一样的（x is a == True）
ps：对一些忘记给变量名的值，del 没法删，要手动调用 gc.collect() 回收。
实验代码如下：
x = np.arange(5)
# x = array([0,1,2,3,4])
def change1(x):
x[0]=-1
return x
# 直接修改了x，同时也返回经过修改的值
# a = change1(x)
# x = array([-1,1,2,3,4])
# a = array([-1,1,2,3,4])
# x is a == True
def change2(x):
a=np.copy(x)
a[0]=-1
return a
# 没有修改x，返回经过修改的值
# a = change2(x)
# x = array([0,1,2,3,4])
# a = array([-1,1,2,3,4])
# x is a == False
def change3(x):
x=np.copy(x)
x[0]=-1
return x
# x 不会被替代，函数里的x和输入的参数x已经是两个不同的东西了
# a = change3(x)
# x = array([0,1,2,3,4])
# a = array([-1,1,2,3,4])
# x is a == False
def change4(x):
e=np.copy(x)
del e
return x
# 返回了原来的 x
# a = change4(x)
# x = array([0,1,2,3,4])
# a = array([0,1,2,3,4])
# x is a == True
def change5(x):
e=np.copy(x)
del x
return e
# x 不会被删除释放
# a = change5(x)
# x = array([0,1,2,3,4])
# a = array([0,1,2,3,4])
# x is a == False