Python创建二维数组实例:避开list引用的常见陷阱

陈默
陈默
发布时间:2026-10-13| 4人浏览过
原创

本文详解Python中创建二维数组的三种方法,重点剖析使用乘法操作符*创建二维列表时产生的引用共享陷阱。通过对比直接创建、列表生成式及numpy模块创建法,帮助开发者避免修改单个元素导致整列变更的问题,提供安全高效的二维数组构建方案。

0.目录

1.遇到的问题

2.创建二维数组的办法

•3.1 直接创建法

•3.2 列表生成式法

•3.3 使用模块numpy创建

1.遇到的问题

在编写Python代码的过程中,我曾遭遇一个令人头疼的Bug,险些影响作业提交进度。

具体需求是构建一个二维数组,初始代码如下:

m = n = 3
test = [[0] * m] * n
print("test =", test)

运行上述代码,输出结果如下:

test = [[0, 0, 0], [0, 0, 0], [0, 0, 0]]

乍看之下,这个二维数组的结构似乎完全正确。

起初我也认为代码无误,怀疑是其他函数调用出了问题。为了验证,我尝试修改其中一个元素的值:

m = n = 3
test = [[0] * m] * n
print("test =", test)

 
test[0][0] = 233
print("test =", test)

此时的输出结果如下:

test = [[0, 0, 0], [0, 0, 0], [0, 0, 0]]
test = [[233, 0, 0], [233, 0, 0], [233, 0, 0]]

这个结果是否让你感到意外?

这个问题困扰了我整整一个中午。查阅官方文档后,我找到了原因,说明如下:

Note also that the copies are shallow; nested structures are not copied. This often haunts new Python programmers; consider:

>>> lists = [[]] * 3
>>> lists
[[], [], []]
>>> lists[0].append(3)
>>> lists
[[3], [3], [3]]

What has happened is that [[]] is a one-element list containing an empty list, so all three elements of [[]] * 3 are (pointers to) this single empty list. Modifying any of the elements of lists modifies this single list. You can create a list of different lists this way:

>>>
>>> lists = [[] for i in range(3)]
>>> lists[0].append(3)
>>> lists[1].append(5)
>>> lists[2].append(7)
>>> lists
[[3], [5], [7]]

这表明,在 matrix = [array] * 3 的操作中,Python仅创建了3个指向同一个内部列表 array 的引用。因此,一旦修改了其中任何一个子列表的内容,所有子列表都会随之改变。

2.创建二维数组的办法

2.1 直接创建法

test = [0, 0, 0], [0, 0, 0], [0, 0, 0]]

这种方法简单直接,但代码冗长繁琐,通常不作为首选。

2.2 列表生成式法

test = [[0 for i in range(m)] for j in range(n)]

掌握列表生成式是一项终身受益的技能。若不熟悉,可参考列表生成式 - 廖雪峰的官方网站进行深入学习。

2.3 使用模块numpy创建

import numpy as np
test = np.zeros((m, n), dtype=np.int)

关于模块 numpy.zeros 的更多用法,建议查阅 python中numpy.zeros(np.zeros)的使用方法 一文。

以上这篇Python创建二维数组实例(关于list的一个小坑)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持本站。

相关标签:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。