元素规模较大时如何定义空二维列表替代逐行硬编码写法

硬编码手写重复内层列表的方式只适合极小固定规模的场景，规模较大时完全可以通过Python语法特性快速初始化，但要注意避开引用共享的经典坑。

首先避开典型错误写法 #

很多新手会图简洁用列表乘法写外层结构：

# 错误写法，绝对不要用
col, row = 2, 4
data = [[""] * col] * row

这种写法的问题是，外层乘法只是把同一个内层列表的引用复制了row次，所有行实际指向内存里的同一个列表对象，修改任意一行的元素，所有行对应位置都会同步改动，完全不符合二维列表独立行的预期。
注：内层如果存的是字符串、数字、None这类不可变类型，内层用乘法是安全的，只有外层用乘法复制列表对象会出问题。

推荐正确写法 #

1. 通用无坑写法：嵌套列表推导式 #

这是所有场景下都适用的方案，不管初始值是空字符串、数字，还是列表、字典这类可变对象，都不会出现引用问题，哪怕是上千行上百列的规模也能瞬间生成，完全不需要硬编码：

# 定义m行n列，初始值为空字符串的二维列表
m, n = 1000, 500
data = [["" for _ in range(n)] for _ in range(m)]

如果需要初始值是空列表、字典这类可变对象，直接替换内层的初始值即可：

# 初始化元素为空列表的二维列表
data = [[[] for _ in range(n)] for _ in range(m)]

2. 不可变初始值的简化高效写法 #

如果二维列表初始值是空字符串、0、None这类不可变类型，可以把内层的推导式换成乘法，执行效率会比全推导式稍高，且不会有引用问题：

data = [[""] * n for _ in range(m)]

3. 数值计算场景可选方案 #

如果定义二维列表是为了做大规模数值运算，不需要用原生Python列表，可以直接用numpy库的初始化方法，性能比原生列表高很多：

import numpy as np
# 初始化m行n列的空字符串二维数组
data = np.empty((m, n), dtype=str)
# 数值场景也可以用np.zeros初始化为0，np.full初始化为指定值

内容的提问来源于stack exchange，提问作者Bruce Banner