再踩Python的Shallow Copy

最近人工智能很火，Python也不可避免地跟着再火一把。
有天在微博上刚好看到这么一段话：

@寒冬winter：我来谈两个新标准：写出一个动态规划（最大子段和）再谈算法，写出模拟退火、遗传和神经网三大算法之一的小demo再谈AI。这不过分吧？

由于我自己也是比较注重基础的，所以挺赞同这句话的。虽然现在算法工程师经常自嘲为“调参工程师”，但那也是人家自嘲，好比写工程代码的研发工程师，也可以自嘲为“搬砖工程师”。但说实话，真把这种话当真的，估计砖没搬好还反倒添乱。

于是我就在想，不如重拾生疏已久的Python手艺，先来刷刷DP题练练手，再去深入看看人工智能领域。

回头看了下我之前写的Python博文，已经是很多年以前了，当时从2.7切换到3还是遇到了些问题，没想到这么多年过去了，Python2.7的份额还是那么大，不由得我感慨了下。

不过这么多年过去了，除了隐约的PVM记忆和记录下来的博文，Python 2.7和Python 3对我来说都一样，想想还是从Python 3.5写起吧。

回到题目来。
在刷题过程中要用Python来构造二维数组，虽然我脑子里第一飘过的是不等长的数组，如：

[
[1]
[2, 3]
[4, 5, 6]
]

毕竟Python和Objective-C一样，万物皆对象，[]中放的都是PyObject，无所谓长短。

但是后续由于写C语言的惯性，我写起代码来还是预先初始化了N*N的数组来：routes = [[0] * n] * n，相比于长度不一致的数组元素来说，比较可以避免越界操作。

结果在做写操作的时候遇到了问题：

routes = [[0] * n] * n
routes[0][0] = 1
print(routes)
输出了：[[1, 0, 0], [1, 0, 0], [1, 0, 0]]

第一反应还是有点懵的，因为按照C语言的逻辑，每一个元素都位于不同的地址才对，怎么一行赋值语句写了三个不同地址？

直到后来看到Shallow Copy这两个单词，我脑子里面瞬间回忆起多年以前刚写Python的时候，也踩过这个坑。

想来这是Python这种解释型脚本语言在因为引入了类似PVM这种虚拟机带来的性能变慢（相较于C语言之类的），而尽力去追求的优化。

如果要预先初始化出Deep Copy的二维数组，可以这么写：routes = [([-1] * n) for i in range(n)]，不过参考Python这种优化态度，可能在需要时再append不等长的数组元素会比较好？也就是说，会比较pythonic？