Python 列表list中的 “+“和append

本文介绍了Python编程中使用`+`操作符和`append()`方法在处理列表时的不同,特别是在解决二叉树根节点到叶子节点和为指定值的路径问题中的应用。初始代码因使用`append()`导致结果污染,优化后的代码通过`+`创建新列表避免了这个问题。同时,文章通过实例展示了`+`和`append()`对内存地址的影响,强调了理解两者区别的必要性。

时间:2021年7月20日
作者:Afollower
分类: 学习记录/Python/杂记

’+’ 会返回新的list对象,append在原list对象上追加

1. 问题发现,牛客练习题

NC8 二叉树根节点到叶子节点和为指定值的路径
给定一个二叉树和一个值\ sum sum,请找出所有的根节点到叶子节点的节点值之和等于\ sum sum 的路径,
例如:
给出如下的二叉树,\ sum=22 sum=22,
在这里插入图片描述
返回
[
[5,4,11,2],
[5,8,9]
]

1.1 刚开始代码

在返回结果时,出现很多不应该出现的数,就是由于使用append保存结果,一直都是对同一list对象进行修改。

class Solution:
    def pathSum(self , root , sum ):
        # write code here
        if not root:
            return []
        res = []
        def dfs(root, target, sub_list):
            sub_list.append(root.val)
            target -= root.val
            if target == 0 and root.left == None and root.right == None:
                res.append(sub_list)
                return
            if root.left:
                dfs(root.left, target, sub_list)
            if root.right:
                dfs(root.right, target, sub_list)
        dfs(root, sum, [])
1.2 优化后

通过 list1= list1 + list2, 不断新建list对象,最终只保留满足条件的list。

class Solution:
    def pathSum(self , root , sum ):
        # write code here
        if not root:
            return []
        res = []
        def dfs(root, target, sub_list):
            sub_list = sub_list + [root.val]
            target -= root.val
            if target == 0 and root.left == None and root.right == None:
                res.append(sub_list)
                return
            if root.left:
                dfs(root.left, target, sub_list)
            if root.right:
                dfs(root.right, target, sub_list)
        dfs(root, sum, [])

2. + 和 append区别

a = []
b = []

for i in range(2):
    a = a + [i]
    b.append(i)
    print('a={}    b={}'.format(a,b))
    print('a_address: {}    b_address: {}'.format(id(a), id(b)))
输出:
a=[0]    b=[0]
a_address: 2232821306632    b_address: 2232821306568
a=[0, 1]    b=[0, 1]
a_address: 2232821325512    b_address: 2232821306568
### 列表的 `extend` `append` 方法的区别及用法 在 Python 中,列表是一种非常灵活的数据结构,支持多种操作来修改其内容。其中,`append()` `extend()` 是两个常用的方法,用于向列表中添加新元素。 #### 1. `append()` 方法 `append()` 方法会将传入的对象作为一个整体追加到列表的末尾。这意味着无论传入的是单个元素还是另一个列表,它都会被当作一个单独的项加入原列表[^1]。 ```python original_list = [1, 2, 3] new_element = [4, 5] # 使用 append() original_list.append(new_element) print(original_list) # 输出: [1, 2, 3, [4, 5]] ``` 上述例子展示了当我们将 `[4, 5]` 作为参数传递给 `append()` 时,整个列表 `[4, 5]` 被视为单一对象并附加到了原始列表的末尾。 --- #### 2. `extend()` 方法 相比之下,`extend()` 方法接受一个可迭代对象(如列表、元组或其他序列),并将该可迭代对象中的每一个元素逐一添加到原列表中。因此,最终的结果是一个扩展后的列表,而不是嵌套结构。 ```python original_list = [1, 2, 3] new_elements = [4, 5] # 使用 extend() original_list.extend(new_elements) print(original_list) # 输出: [1, 2, 3, 4, 5] ``` 在这个例子中,`[4, 5]` 的每个元素都被逐一分解出来,并依次添加到 `original_list` 中,从而形成了一个新的扁平化列表。 --- #### 性能对比 从性能角度来看,如果只需要简单地增加一项数据,则应优先考虑使用 `append()`;而当目标是从其他集合批量导入多个项目时,`extend()` 更具效率。 另外值得注意的一点是关于不可变类型的处理方式差异——例如对于元组而言,由于它是不可更改的数据类型,所以一旦涉及调整大小的操作实际上就是创建了一个全新的实例[^2]。 --- #### 实际应用案例解析 以深度学习框架 PyTorch 下的一个自定义线性层实现为例,在某些情况下可能需要用到类似的逻辑: ```python import torch.nn.functional as F from torch import nn class LinearLayer_LoRA(nn.Module): def __init__(...): ... def forward(self, input): result = ( F.linear(input, self.weight, self.bias) + (self.lora_dropout(input) @ self.lora_right_weight @ self.lora_left_weight) * self.lora_scaling ) return result ``` 这里虽然未直接体现 `append` 或者 `extend` 的具体调用场景,但从代码设计角度出发可以联想到如何动态构建计算图或者管理模型参数列表等问题上可能会涉及到这两种技术的选择取舍[^3]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值