二维数组dpi必须从左上角按行主序填充，因其依赖dpi-1和dpi-1]，二者均位于左上方；dp0和dpi均为0，源于“无物品”或“零容量”时价值必为0的定义；重量超限时直接取dpi-1。
为什么二维数组 dp[i][w] 的递推要从左上角开始填
因为 dp[i][w] 依赖两个子问题：不选第 i 个物品时的 dp[i-1][w]，和选第 i 个物品时的 dp[i-1][w-weight[i]]。这两个值都必须在计算当前格子前已确定——所以得按行主序（i 从小到大，每行内 w 从小到大）填表。如果倒着填 w，虽然空间可优化，但二维逻辑下会破坏依赖顺序，导致用到未计算的值。
初始化 dp[0][w] 和 dp[i][0] 的真实含义是什么
dp[0][w] 表示“前 0 个物品在容量 w 下的最大价值”，显然全为 0；dp[i][0] 表示“前 i 个物品在容量 0 下的最大价值”，也全为 0。这两条边界线不是“约定俗成”，而是由问题定义直接推出的必然结果。漏设或错设（比如把 dp[0][0] 初始化为 -1）会导致后续所有行第一列异常。
物品重量超过当前容量 w 时怎么处理
此时无法放入第 i 个物品，只能继承上一行结果：dp[i][w] = dp[i-1][w]。关键点在于：这个判断必须显式写出，不能靠循环范围规避。常见错误是只遍历 w 从 weight[i] 开始，但那样会跳过 w 的列，导致这些位置保留默认值（如 0 或未初始化垃圾值），最终影响更大容量的递推。
- 正确做法：外层循环
i从 1 到n，内层w从 0 到W，每次先赋dp[i][w] = dp[i-1][w]，再判断是否能放 - 若能放，更新为
max(dp[i][w], dp[i-1][w-weight[i-1]] + value[i-1])（注意索引偏移：i-1对应第i个物品）
为什么返回 dp[n][W] 而不是 dp[n-1][W]
二维表定义中，dp[i][w] 明确表示“考虑前 i 个物品”（即索引 0 到 i-1），所以当有 n 个物品时，最后一行是 i = n，对应全部物品。如果误用 dp[n-1][W]，实际只考虑了前 n-1 个物品，漏掉了最后一个。这个索引错位在调试时极难察觉，尤其当最后一个物品重量超限、不影响结果时更隐蔽。
二维数组实现的关键不在“多开一维”，而在于每一格的语义必须严格对齐“前 i 个物品 + 容量 w”这个组合状态。稍有松动，比如初始化偷懒、边界条件模糊、索引偏移不统一，整张表就会变成不可信的黑箱。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
