简短的回答是，Python总是通过值传递，但是每个Python变量实际上都是指向某个对象的指针，所以有时候看起来像是通过引用传递。
在Python中，每个对象要么是可变的，要么是不可变的。例如，列表、字典、模块和Pandas Dataframe 是可变的，而int、字符串和元组是不可变的。可变对象可以在内部改变（例如，向列表添加元素），但不可变对象不能。
正如我在开头所说的，你可以把每个Python变量看作是一个指向对象的指针，当你把一个变量传递给一个函数时，这个变量（指针）始终是变量的副本（指针）。所以如果你给内部变量赋值，你所做的只是改变局部变量指向一个不同的对象。（mutate）变量所指向的原对象，也不使外部变量指向新对象，此时外部变量仍指向原对象，但内部变量指向一个新对象。
如果你想改变原始对象（只适用于可变数据类型），你必须改变对象，而不给局部变量赋值，这就是为什么letgo()和letgo3()保持外部项不变，但是letgo2()改变了它。
正如@ursan所指出的，如果letgo()使用类似于下面的内容，那么它将改变（变异）df所指向的原始对象，这将改变通过全局变量a看到的值：

def letgo(df):
    df.drop('b', axis=1, inplace=True)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
letgo(a)  # will alter a

在某些情况下，你可以完全清空原来的变量，然后用新的数据填充它，而不需要直接赋值，例如，这将改变v指向的原始对象，这将改变你以后使用v时看到的数据：

def letgo3(x):
    x[:] = np.array([[3,3],[3,3]])

v = np.empty((2, 2))
letgo3(v)   # will alter v

注意，我没有直接给x赋值;我给x的整个内部范围赋值。
如果你一定要创建一个全新的对象并使其在外部可见（有时候Pandas就是这种情况），你有两个选择：“clean”选项只返回新对象，例如：

def letgo(df):
    df = df.drop('b',axis=1)
    return df

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
a = letgo(a)

另一种方法是直接修改函数的全局变量，这会将a修改为指向一个新对象，之后任何引用a的函数都会看到这个新对象：

def letgo():
    global a
    a = a.drop('b',axis=1)

a = pd.DataFrame({'a':[1,2], 'b':[3,4]})
letgo()   # will alter a!

直接修改全局变量通常不是一个好主意，因为任何阅读您的代码的人都很难弄清楚a是如何被修改的（我通常使用全局变量作为脚本中许多函数使用的共享参数，但我不会让它们修改这些全局变量）。

为了补充“迈克·格雷厄姆的回答，他指出了一个非常好的阅读：
在您的示例中，需要记住的是 names 和 values 之间的区别。a、df、xx、x都是 names，但它们在示例的不同位置引用相同或不同的 values：

• 在第一个示例中，letgo将df重新绑定到另一个值，因为df.drop将返回新的DataFrame，除非您设置参数inplace = True（see doc）。这意味着名称df（letgo函数的本地），其引用a的值，现在引用新的值，这里是df.drop的返回值。a所引用的值仍然存在并且没有改变。
• 在第二个示例中，letgo2对x进行了变异，但没有对其进行重新绑定，这就是xx被letgo2修改的原因。与上一个示例不同，这里的本地名称x始终引用名称xx所引用的值，并将该值更改为 in place。这就是xx所指的值已经改变的原因。
• 在第三个示例中，letgo3将x重新绑定到一个新的np.array。这将导致名称x（letgo3的本地名称，以前引用xx的值）现在引用另一个值，即新的np.array。xx所引用的值没有更改。

问题不在于PBV和PBR，这些名称只会在Python这样的语言中引起混淆;它们是为类似C或Fortran的语言（作为典型的PBV和PBR语言）而发明的。Python总是通过值传递，这是事实，但没有启发性。这里的问题是值本身是变异的还是你得到了一个新的值。Pandas通常在后一种情况下出错。
http://nedbatchelder.com/text/names.html很好地解释了Python的名称系统是什么。

Python既不是按值传递，也不是按引用传递，而是按赋值传递。
支持参考，Python常见问题解答：https://docs.python.org/3/faq/programming.html#how-do-i-write-a-function-with-output-parameters-call-by-reference
欠条：
1.如果您传递一个不可变的值，对它的更改不会更改它在调用方中的值-因为您是将名称重新绑定到一个新对象。
1.如果传递一个可变值，则只要不将该名称重新绑定到新对象，在被调用函数中所做的更改也会更改调用方中的值。如果重新分配变量，创建一个新对象，则在调用方中看不到对名称所做的更改和后续更改。
因此，如果你传递一个列表，并改变它的第0个值，那么这个改变在被调用者和调用者中都能看到;但是如果你用一个新的列表重新分配这个列表，那么这个改变就丢失了;但是如果你对这个列表进行切片，并用一个新的列表替换 that，那么这个改变在被调用者和调用者中都能看到。
例如：

def change_it(list_):
    # This change would be seen in the caller if we left it alone
    list_[0] = 28

    # This change is also seen in the caller, and replaces the above
    # change
    list_[:] = [1, 2]

    # This change is not seen in the caller.
    # If this were pass by reference, this change too would be seen in
    # caller.
    list_ = [3, 4]

thing = [10, 20]
change_it(thing)
# here, thing is [1, 2]

如果你是一个C爱好者，你可以把它看作是通过值传递一个指针--不是一个指向一个值的指针的指针，只是一个指向一个值的指针。
嗯。

下面是Drop的文档：
返回已删除所请求轴中标签的新对象。
因此创建了一个新的 Dataframe ，原始 Dataframe 没有改变。
但是对于Python中的所有对象来说， Dataframe 都是通过引用传递给函数的。

你需要在函数的开头使'a'成为全局变量，否则它是一个局部变量，不会改变主代码中的'a'。

简短回答：

• 按值：df2 = df.copy()
• 参考文献：df2 = df