本文详解python中因列表对象引用复用导致的二维列表数据重复覆盖问题，并提供正确创建独立子列表的解决方案。

本文详解python中因列表对象引用复用导致的二维列表数据重复覆盖问题，并提供正确创建独立子列表的解决方案。

在强化学习或游戏AI训练中，常需将每轮交互的状态（state）、动作（action）、奖励（reward）等信息组织为结构化训练样本，典型做法是使用二维列表（如 tlistm）存储多个样本，每个样本为一个长度固定的列表（如14维特征向量）。然而，若操作不当，极易出现“所有行数据相同”的诡异现象——正如提问者所遇：tlistm 中所有元素最终都变成最后一次迭代的 tlistc 值。

根本原因在于 Python中列表是可变对象，赋值操作传递的是引用而非副本。原代码中 tlistc 在循环外定义（如 tlistc = [0] * 14），每次循环仅修改其内容（tlistc[k] = s[k] 等），再执行 tlistm[e] = tlistc。这相当于将同一个列表对象的引用反复存入 tlistm —— 所有索引指向同一内存地址，后续任意一次 tlistc 修改都会同步反映到 tlistm 的所有行。

✅ 正确做法：在每次循环内新建独立列表对象。推荐两种安全写法：

方式一：使用列表推导式（推荐）

Python Hardener

通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

下载

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

    # ✅ 每次创建全新列表，避免引用复用
    tlistc = [
        *s[:12],   # 前12个状态维度
        action,     # 动作
        q1          # Q值目标
    ]

    tlistm.append(tlistc)  # 直接追加新对象

    if s[13] == 1:
        env.game_reset()
    action = random.randint(0, 3)

方式二：显式复制（适用于复杂初始化）

# 循环内声明
tlistc = [0] * 14  # 或 tlistc = list(range(14))
# ... 修改 tlistc 元素 ...
tlistm.append(tlistc.copy())  # 使用 .copy() 创建浅拷贝

⚠️ 注意事项：

• 若 tlistc 包含嵌套可变对象（如子列表），需用 copy.deepcopy()；但本例中均为数值，.copy() 或直接构造即可。
• 避免 tlistm[e] = tlistc 这类索引赋值（易越界且逻辑冗余），改用 append() 更安全清晰。
• 调试时可用 id(tlistm[i]) 验证各元素是否为不同对象，确认无引用共享。

总结：Python中“可变对象的引用语义”是高频陷阱。构建二维训练数据时，务必确保每一行样本都是独立对象——要么在循环内构造新列表，要么显式拷贝。此举不仅解决数据污染问题，更是保障训练数据真实性和模型收敛稳定性的基础。

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！