二维列表陷阱
有时候,我们会像下列方式,创建一个n*n的二维矩阵,并都初始化为0:
n = 3
grid = [[0] * n] * n
print(grid)
代码输出:
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
看到我们创建的二维矩阵,并都初始化为0了。高兴的接着往下对二维矩阵执行修改操作:
n = 3
grid = [[0] * n] * n
print(grid)
grid[1][1] = 6
print(grid)
代码输出:
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
[[0, 6, 0], [0, 6, 0], [0, 6, 0]]
此时,百思不得其解,思考中…
我们尝试,将矩阵的每一行的地址打印出来看看:
n = 3
grid = [[0] * n] * n
print(grid)
for i, row in enumerate(grid):
print(f"row[{i}] addr:0x{id(row):x}")
代码输出:
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
row[0] addr:0x2184bc65408
row[1] addr:0x2184bc65408
row[2] addr:0x2184bc65408
我们惊讶的发现,每一行列表的内存地址居然都相同,等效于下列代码:
n = 3
grid = []
row = [0] * n # ①
for _ in range(n):
grid.append(row) # ②
print(grid)
for i, row in enumerate(grid):
print(f"row[{i}] addr:0x{id(row):x}")
从上述代码可以看出,在②处添加了n次同一个对象row
,从而使得每一行的内存地址都相同。
列表推导创建二维矩阵
若在上述代码中,每次在②处添加不同的对象row
,这就可以避免上述问题。
n = 3
grid = []
for _ in range(n):
row = [0] * n # ① 每次for循环,均创建一个新的row对象
grid.append(row) # ②
print(grid)
for i, row in enumerate(grid):
print(f"row[{i}] addr:0x{id(row):x}")
代码输出:
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
row[0] addr:0x1fe71afa8c8
row[1] addr:0x1fe736d2748
row[2] addr:0x1fe73906e88
其实,可将上述代码,使用列表推导来完成:
n = 3
grid = [[0]*n for _ in range(n)] # 列表推导
print(grid)
for i, row in enumerate(grid):
print(f"row[{i}] addr:0x{id(row):x}")
FQA
可能又有人会问,二维列表存在这样的问题,一维列表是否存在同样的问题呢,又是为什么呢?
n = 3
row = [0]*n
print(row)
for i, cell in enumerate(row):
print(f"cell[{i}] addr:0x{id(cell):x}")
代码输出:
[0, 0, 0]
cell[0] addr:0x7ffce7ab7c20
cell[1] addr:0x7ffce7ab7c20
cell[2] addr:0x7ffce7ab7c20
答案
不存在同样的问题。我们先来看看实际的效果:
n = 3
row = [0]*n
print(row)
row[1] = 1024
print(row)
for i, cell in enumerate(row):
print(f"cell[{i}] addr:0x{id(cell):x}")
代码输出:
[0, 0, 0]
[0, 1024, 0]
cell[0] addr:0x7ffce7ab7c20
cell[1] addr:0x25a9ac7b3b0
cell[2] addr:0x7ffce7ab7c20
原因
在python中,一切皆对象!
当然,常数也是对象,在列表中存储的都是指向数字对象的引用,函数id
是对象的内存地址。列表中存储的都是相同的数字,列表中的每个成员的内存地址自然就相等了。如果修改了列表某个成员的值,就让该成员引用了新的数字对象,而未修改所指向的对象。因此,一维列表不存在二维列表的陷阱。