### Python 中 `[float('inf')] * n` 的含义及作用 在 Python 中，表达式 `[float('inf')] * n` 创建了一个包含 `n` 个正无穷大 (`float('inf')`) 值的列表。具体来说： - `float('inf')` 是一个特殊的浮点数值，表示正无穷大[^2]。 - 使用乘法操作符 `*` 对列表进行重复扩展是一种常见的技巧，用于快速生成具有固定大小和相同初始值的列表。 因此，`[float('inf')] * n` 的结果是一个长度为 `n` 的列表，其中每个元素都被初始化为正无穷大。 --- #### 应用场景 这种结构通常应用于需要初始化数据结构的情况，尤其是在算法设计中。例如： 1. **图论中的最短路径问题**： 在寻找最短路径时，常常需要将所有节点的距离初始化为无穷大，表示尚未访问这些节点或未知其确切距离。随着算法执行，逐步更新这些距离值至实际计算得出的有效值[^4]。 2. **动态规划**： 当解决优化类问题时（如背包问题、最长公共子序列等），有时也需要类似的初始化过程来存储中间状态的最大/最小值。 3. **机器学习与人工智能领域**： 在某些模型训练过程中，可能涉及到代价矩阵或其他形式的数据预处理阶段，此时也可能需要用到此类初始化技术。 --- #### 示例代码 下面展示如何利用 `[float('inf')] * n` 来解决问题的实际例子——Dijkstra算法求解单源最短路径问题的部分片段： ```python import math def dijkstra(graph, start_node): num_nodes = len(graph) distances = [float('inf')] * num_nodes # 初始化所有节点距离为无穷远 visited = [False] * num_nodes # 标记哪些节点已被确认最佳距离 distances[start_node] = 0 # 起始节点到自身的距离为零 for _ in range(num_nodes): # 遍历所有节点 u = -1 # 找到未访问过的距离最近的顶点u min_dist = float('inf') for v in range(num_nodes): if not visited[v] and distances[v] < min_dist: min_dist = distances[v] u = v if u == -1: # 若找不到有效节点，则退出循环 break visited[u] = True # 将当前节点标记为已访问 # 更新相邻节点的距离 for neighbor, weight in enumerate(graph[u]): if weight != 0 and (distances[u] + weight) < distances[neighbor]: distances[neighbor] = distances[u] + weight return distances # 返回从起点出发到达各个节点的最短距离 # 测试样例 graph = [ [0, 10, 0, 0], [10, 0, 5, 0], [0, 5, 0, 2], [0, 0, 2, 0] ] print(dijkstra(graph, 0)) ``` 在此示例中，我们首先通过 `[float('inf')] * num_nodes` 把所有的节点间初步设定成不可达的状态（即无限远）。随后依据实际情况不断调整它们之间的关系直至获得最终解答。 --- #### 特殊情况说明 需要注意的是，当与其他数值比较时，`float('inf')` 总是大于任意有限数；而 `float('-inf')` 则总是小于任何有限数。但是要注意避免将其同 NaN(`not a number`) 类型混用，因为这会产生异常行为[^1]。 另外值得注意的一点在于性能考量方面，如果只是单纯为了占位而不关心具体内容的话，那么采用这种方式或许并不是效率最高的办法，因为它实际上是在内存里复制了很多相同的对象实例出来。不过对于大多数日常应用场合而言已经足够高效了。 ---