[[0]*n]*m 初始化二维数组会出问题，因为它创建的是 m 个指向同一内层列表的引用，修改任一元素会导致所有行对应位置同步变化；正确方式是用 [[0 for _ in range(n)] for _ in range(m)] 生成独立子列表。

为什么 [[0]*n]*m 初始化二维数组会出问题

因为 [[0]*n]*m 创建的是 m 个指向同一行列表的引用，不是 m 个独立列表。改某一行某个元素，所有行对应位置全跟着变。

常见错误现象：arr[0][1] = 99 后发现 arr[1][1]、arr[2][1] 全变成 99；用 id(arr[0]) == id(arr[1]) 一查就暴露——它们根本是同一个对象。

本质是浅拷贝：外层 *m 只复制了内层列表的引用，没真正复制内容。

正确初始化方式：用列表推导式生成独立子列表

最稳妥、最常用、也最符合 Python 习惯的写法是：[[0 for _ in range(n)] for _ in range(m)]。

立即学习“Python免费学习笔记（深入）”；

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 内层 [0 for _ in range(n)] 每次都新建一个长度为 n 的列表
• 外层推导式执行 m 次，得到 m 个互不干扰的列表对象
• 支持非零初始值，比如 [[-1 for _ in range(n)] for _ in range(m)]
• 如果需要动态计算每个元素（如坐标索引），也能自然扩展：[[i*j for j in range(n)] for i in range(m)]

其他可行方法及适用场景

不是所有情况都必须用列表推导式，但得清楚边界：

• numpy.zeros((m, n))：适合数值计算密集场景，内存更紧凑、支持向量化操作；但引入了 numpy 依赖，且返回的是 ndarray 而非原生 list
• [[0]*n for _ in range(m)]：比完整推导式稍快一点（避免内层循环变量赋值），语义清晰，推荐日常使用
• copy.deepcopy([[0]*n]*m)：能修好浅拷贝，但性能差、冗余，纯属“绕远路”，不建议
• 手动循环 arr = []; for i in range(m): arr.append([0]*n)：逻辑直白，但啰嗦，无额外优势

容易被忽略的细节：嵌套可变对象时陷阱更深

如果初始值本身是可变对象（比如 [[]]*m 或 [[{}]*n]*m），问题会更隐蔽——不仅行之间共享，连内部空列表或字典也会被多行共用。

这时唯一安全的做法仍是推导式：[ [[] for _ in range(n)] for _ in range(m) ] 或 [ [{} for _ in range(n)] for _ in range(m) ]。

别图省事复用可变对象，Python 的引用机制不会替你做深拷贝，这事儿得自己想清楚。