CS50 Problem Set 6 DNA加载大型数据库时报IndexError索引越界

• 执行命令python dna.py databases/large.csv sequences/10.txt时触发运行时错误
• Traceback指向代码第47行check[i][j] = False，抛出IndexError: list index out of range异常
• 该异常仅在加载大型数据库时触发，小型数据库运行完全正常
• 已初步定位疑似问题范围为代码中标注Check database for matching profiles的40-49行代码段

核心问题出在check二维列表的初始化逻辑，存在两个致命错误：

1. 列表维度完全写反
   原初始化代码为：

   check = [[0]*len(database)]*len(STRs)
   

   这段代码生成的二维列表，外层长度等于STR种类数（大型数据库共8种STR，小型数据库仅3种），内层长度等于数据库人员条目数。但后续循环逻辑是外层遍历人员索引i in range(len(database))、内层遍历STR索引j in range(len(STRs))，预期check[i]存储第i个人员的所有STR匹配结果。
   小型数据库人员条目数少于等于STR种类数时，i的取值不会超过外层列表长度，不会触发越界；大型数据库人员条目数远大于STR种类数，当i遍历到超过STR种类数的索引时，直接访问不存在的外层列表位置，触发索引越界错误。
2. 浅拷贝逻辑bug
   Python中对存储引用类型的列表使用*做乘法时，生成的所有内层列表都是同一个内存对象的引用，就算修正了维度问题，修改任意一行的元素值时所有行的对应位置都会同步变更，最终匹配逻辑会完全错误。

将原check列表初始化代码替换为维度正确、无浅拷贝问题的写法：

check = [[False]*len(STRs) for _ in range(len(database))]

可选优化：该场景下完全不需要维护二维check数组，遍历人员时逐STR比对，遇到不匹配直接终止当前人员的比对即可，逻辑更简洁、内存占用更低，参考实现如下：

match = None
for person_idx in range(len(database)):
    profile_match = True
    for str_idx in range(len(STRs)):
        if matches[STRs[str_idx]] != int(database[person_idx][STRs[str_idx]]):
            profile_match = False
            break
    if profile_match:
        match = person_idx
        break

内容的提问来源于stack exchange，提问作者strzelec11