在python中创建二维训练数据时，若反复复用同一列表对象并追加到外层列表，会导致所有子列表指向同一内存地址，从而引发数据被意外覆盖的问题。
在python中创建二维训练数据时，若反复复用同一列表对象并追加到外层列表，会导致所有子列表指向同一内存地址，从而引发数据被意外覆盖的问题。
这是一个典型的可变对象引用陷阱：当 tlistc 在循环外部定义（例如 tlistc = [0] * 14），并在每次迭代中仅修改其元素（如 tlistc[k] = s[k]）时，你实际上始终在操作同一个列表对象。而执行 tlistm[e] = tlistc 并未复制该列表，只是将同一对象的引用存入 tlistm 的每个位置。因此，后续对 tlistc 的任何修改都会反映在 tlistm 中所有已存项上——这正是图中所有行内容最终一致的根本原因。
✅ 正确做法是：每次迭代都创建全新的独立列表。推荐使用以下任一方式：
for e in range(episodes):
qm = random.randint(0, 5)
env.game(action)
fps.tick(1)
screen.fill(bgcolor)
s = env.get_state()
rew = s[12]
q1 = rew + g * qm
# ✅ 方案1：直接构造新列表（推荐，简洁且明确）
tlistc = s[:12] + [action, q1] # 前12个状态 + action + q1，共14项
# ✅ 方案2：使用copy()（若需保留原逻辑结构）
# tlistc = s[:12][:] # 浅拷贝前12项
# tlistc.extend([action, q1])
tlistm.append(tlistc) # 直接append，无需预分配索引
if s[13] == 1:
env.game_reset()
action = random.randint(0, 3)
⚠️ 注意事项：
- 避免 tlistm[e] = tlistc 这类基于预分配索引的赋值（尤其当 tlistm 初始为空或长度不足时易引发 IndexError）；
- 优先使用 tlistm.append(...) 动态扩展列表；
- 若 s 是 NumPy 数组，注意 .tolist() 或切片会生成新 Python 列表；纯 Python 列表切片 s[:12] 也返回新副本；
- 不要使用 tlistc = tlistc.copy() 或 tlistc[:] 在循环内“重用”旧变量——应彻底重建。
总结：Python 中列表是可变对象，赋值即传递引用。构建二维数据时，务必确保每行数据为独立对象。通过在循环内构造新列表（而非复用+修改），即可彻底规避数据污染问题，确保训练样本准确、互不干扰。
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！
