如何创建多维列表答案

【问题标题】：How to create a multi-dimensional list如何创建多维列表
【发布时间】：2013-07-14 04:40:35
【问题描述】：

我想初始化一个多维列表。基本上，我想要一个 10x10 的网格 - 一个包含 10 个列表的列表，每个列表包含 10 个项目。

每个列表值都应该初始化为整数 0。

在单行中执行此操作的明显方法：myList = [[0]*10]*10 不起作用，因为它会生成一个包含 10 个对一个列表的引用的列表，因此更改任何行中的项目会更改所有行中的项目。

我看到的文档谈到了使用[:] 来复制列表，但是在使用乘数时仍然不起作用：myList = [0]*10; myList = myList[:]*10 与myList = [[0]*10]*10 具有相同的效果。

没有创建myList.append()s的循环，有没有一种快速有效的方法来以这种方式初始化列表？

【问题讨论】：

我认为[:] 的想法也可以，例如[x[:] for x in [[0]*10]*10].
请参阅 this question 以了解为什么 [[0]*10]*10 无法按预期工作。

标签： python list

【解决方案1】：

您可以使用list comprehension 非常有效地做到这一点：

a = [[0] * number_cols for i in range(number_rows)]

【讨论】：

很好，避免了显而易见的答案所具有的嵌套 for 循环，但仅当您希望数组初始化的值可以被多次引用时才有效，所以如果您希望填充数组则不行具有类的唯一实例。
请注意，现在可以使用类似数组的语法访问数据：a[col_num][row_num]
我没有做出改变。现在刚刚编辑，因为这是表示矩阵的更自然的方式。
@Alex，你是对的。外部列表首先被索引。

【解决方案2】：

这是为...嵌套的list comprehension 的工作！

[[0 for i in range(10)] for j in range(10)]

【讨论】：

我相信这更清楚，并且通常优于替代方案（例如使用[0]*10）。
如果列表元素是可变对象，这是正确的解决方案。
1000X1000 所用时间为 0.00521 秒

【解决方案3】：

只是想我会添加一个答案，因为该问题要求一般 n 维情况，我认为尚未回答。您可以使用以下示例对任意数量的维度递归地执行此操作：

n_dims = [3, 4, 5]

empty_list = 0
for n in n_dims:
    empty_list = [empty_list] * n

>>>empty_list
>>>[[[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]],
   [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]],
   [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]],
   [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]],
   [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]]]

【讨论】：

这与问题中描述的问题相同 - 它创建了对同一列表的许多引用。

【解决方案4】：

您实际上可能需要array 而不是一些列表。几乎每次我看到这种“预先调整大小的嵌套列表”模式时，都会觉得有些地方不太对劲。

【讨论】：

【解决方案5】：

另一个解决方案是使用 NumPy 库：

import numpy as np

zero_array = np.zeros((10, 10), dtype='int')

如有必要，可以使用.tolist() 方法轻松地将其转换为常规 python 列表。

【讨论】：

【解决方案6】：

我发现要得到你的意思，你需要你自己

import copy

def n_dim_list(dims, init_val):
    if not dims:
        return []
    lst = [init_val for i in range(dims[-1])]
    for d in dims[::-1][1::]:
        lst = [copy.deepcopy(lst) for i in range(d)]
return lst

其中 dims 是您想要的维度数量的长度列表，内容是每个维度中所需 nd-list 的大小。不是最优雅但清晰且能胜任的工作。

【讨论】：

【解决方案7】：

另一种方法，但使用 OP's 拒绝的方法。

import numpy as np
myList = [[0]*10]*10
myList = np.array(myList)
l=myList.tolist()
myList=l

下面的输出和测试：

>>> l
[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]
>>> l[0][0]=100
>>> l
[[100, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

输出与l[0] 的预期克隆不同。

虽然这不是时间效率。一个 1000X1000 的列表需要将近 7 秒，而列表解析只需要 0.0052158 秒。

【讨论】：

【解决方案8】：

这是一个使用递归列表推导适用于任意数量维度的函数。它不需要任何导入即可工作。

def init_list(dims, val):
    if len(dims) == 0:
        raise ValueError("Requires at least 1 dimension.")

    if len(dims) == 1:
        return [val for _ in range(dims[0])]

    return [init_list(dims[1:], val=val) for _ in range(dims[0])]

例子：

>>> init_list([3, 2, 1], val=0)
[[[0], [0]], [[0], [0]], [[0], [0]]]

【讨论】：

【解决方案9】：

两种常见且简短的方法：

第一：

[[0] * n] * m

第二：

[[0 for column in range(n)] for row in range(m)]

【讨论】：