Python实现矩阵重塑时赋值导致整列同步更新的问题排查

bug出在结果矩阵的初始化语句：

res = [[0]*c]*r

Python中对列表使用*做乘法复制时，如果被复制的元素是可变对象（比如这里的内层子列表[0]*c），不会创建多份独立的子列表，只会复制同一个子列表的内存引用。注意[0]*c本身是合法写法，因为整数是不可变对象，复制时不会出现引用共享问题；但外层用*r复制子列表时，子列表本身是可变类型，就会导致你生成的res里r个行元素，本质上全指向内存里的同一个列表。

你循环里打印的x、y索引逻辑本身没有错，但执行res[x][y] = nums.pop(0)时，不管x取什么值，修改的都是那个被所有行共享的唯一子列表，每次赋值都会覆盖上一次的值。循环结束时这个子列表里存的是最后一次弹出的元素4，所以所有行都会显示[4]，就出现了你看到的整列同步更新的现象。

把共享引用的初始化写法，替换成能生成独立子列表的列表推导式即可：

# 原错误写法 res = [[0]*c]*r
res = [[0]*c for _ in range(r)]

列表推导式会循环r次，每次都生成一个全新的独立[0]*c子列表，各行之间不会共享内存引用，赋值时只会修改对应行的元素。

修正后的完整可运行代码：

def matrixReshape(mat, r, c):
    if len(mat)*len(mat[0]) != r*c:
        return mat

    nums = []
    for row in range(len(mat)):
        for col in range(len(mat[0])):
            nums.append(mat[row][col])

    # 修正初始化逻辑
    res = [[0]*c for _ in range(r)]
    for x in range(r):
        for y in range(c):
            res[x][y] = nums.pop(0)

    return res

mat = [[1,2],[3,4]]
print(matrixReshape(mat, 4, 1))

运行后输出符合预期：

[[1], [2], [3], [4]]

补充优化提示：nums.pop(0)的时间复杂度是O(n)，数据量大时效率偏低，可以换成按索引取值的方式减少性能消耗，比如用一个计数器记录当前取到nums的哪个位置，或者直接用迭代器取值。

内容的提问来源于stack exchange，提问作者idkmath28