Python 如何在列表中附加不同的返回值

我有一个函数，类似于：

def function(self):
    matrix = []
    for i in range(10):
        contents = [1,0,1,0] #integer values in a list, changes every time when running function()
        matrix .append(contents)
    self.matrix = matrix 
    return matrix 

我还有一个空列表，我想做的是将

matrix

添加到

empty\u matrix

5次， 所以结果应该是这样的：

empty_matrix = [[matrix1],[matrix2],[matrix3],[matrix4],[matrix5]]

但是我不知道如何使矩阵1，2，3，4，5有不同的值。当我单独运行

函数（self）

时，它会返回不同的值，但当我将其附加到空矩阵中时，它会附加相同的值，如

empty_matrix = [[matrix1],[matrix1],[matrix1],[matrix1],[matrix1]]. 

任何帮助都将不胜感激

原始代码如下：

def generate_population(self):
    model = self.model
    weights_origin = model.get_weights()
    shape_list = []
    matrix= []
    empty_matrix= [[],[],[],[],[]]


    for i, w in enumerate(weights_origin):
        #get shape of w -> save shape into shape_list -> generate binary_value that has the shape of shape_list 
        #-> convert binary_value to float32 -> define it as tf Variable -> append to rand_covers list
        w_shape = tf.shape(w)
        shape_list.append(w_shape)
        binary_value = np.random.randint(2, size = shape_list[i])      
        to_float = tf.cast(binary_value, tf.float32)  
        weights2 = tf.Variable(to_float, name="addition_"+str(i), trainable=True)
        matrix.append(weights2)

    for j in range(5):
        empty_matrix[j].append(matrix)


self.matrix = matrix
return matrix

而不是

for j in range(5):
    empty_matrix[j].append(matrix)

你需要

for j in range(5):
    matrix = function()
    empty_matrix[j].append(matrix)

---

如果您希望在开始时使用相同的矩阵，并在以后更改其中一个矩阵中的值而不更改其他矩阵中的值，则必须使用

.copy（）

或

copy.deepcopy（）

用于深度复制

import copy

matrix = function()

for j in range(5):
    empty_matrix[j].append( copy.deepcopy(matrix.copy) )

---

编辑：

我不明白您试图做什么，但代码似乎很奇怪，我会写它

def generate_population(self):
    model = self.model
    weights_origin = model.get_weights()
    shape_list = []

    empty_matrix= [[],[],[],[],[]]

    for j in range(5):

        matrix = []

        for i, w in enumerate(weights_origin):
            #get shape of w -> save shape into shape_list -> generate binary_value that has the shape of shape_list 
            #-> convert binary_value to float32 -> define it as tf Variable -> append to rand_covers list
            w_shape = tf.shape(w)
            shape_list.append(w_shape)
            binary_value = np.random.randint(2, size = shape_list[i])      
            to_float = tf.cast(binary_value, tf.float32)  
            weights2 = tf.Variable(to_float, name="addition_"+str(i), trainable=True)
            matrix.append(weights2)

        empty_matrix[j].append(matrix)

    return empty_matrix

# --- outside function ---

empty_matrix = generate_population()

或

---

请您添加整个代码，以便我们重现您的问题？您如何将矩阵添加到

空_矩阵

中？为什么只在

中为范围（5）中的j运行append（）？通过这种方式，您可以将相同的矩阵添加5次。如果你必须运行生成新矩阵的函数，你能解释一下矩阵=函数（）是如何工作的吗？我按照你的指示做了，但上面说“函数名”没有定义我不明白-在这个问题上，你显示
def function（）
，它
返回矩阵
，当你运行
matrix=function（）
时，它会给你这个矩阵，如果你没有
function（）
那么就代替
matrix=function（））
您必须运行生成新矩阵的代码。抱歉，仍然无法获取它。我不认为matrix=generate_population（）在main函数中起作用，而在generate_population本身中起作用。我想我遗漏了一些东西。我不知道你到底想在函数中生成什么——一个矩阵或矩阵列表（空矩阵），但我会用不同的方式来写。请参阅答案中的新代码。
def generate_population(self):
    model = self.model
    weights_origin = model.get_weights()
    shape_list = []

    empty_matrix= [[],[],[],[],[]]

    for j in range(5):

        matrix = []

        for i, w in enumerate(weights_origin):
            #get shape of w -> save shape into shape_list -> generate binary_value that has the shape of shape_list 
            #-> convert binary_value to float32 -> define it as tf Variable -> append to rand_covers list
            w_shape = tf.shape(w)
            shape_list.append(w_shape)
            binary_value = np.random.randint(2, size = shape_list[i])      
            to_float = tf.cast(binary_value, tf.float32)  
            weights2 = tf.Variable(to_float, name="addition_"+str(i), trainable=True)
            matrix.append(weights2)

        empty_matrix[j].append(matrix)

    return empty_matrix

# --- outside function ---

empty_matrix = generate_population()

def generate_population(self):
    model = self.model
    weights_origin = model.get_weights()
    shape_list = []

    matrix = []

    for i, w in enumerate(weights_origin):
        #get shape of w -> save shape into shape_list -> generate binary_value that has the shape of shape_list 
        #-> convert binary_value to float32 -> define it as tf Variable -> append to rand_covers list
        w_shape = tf.shape(w)
        shape_list.append(w_shape)
        binary_value = np.random.randint(2, size=shape_list[i])      
        to_float = tf.cast(binary_value, tf.float32)  
        weights2 = tf.Variable(to_float, name="addition_"+str(i), trainable=True)
        matrix.append(weights2)

    return matrix

# --- outside function ---

empty_matrix= [[],[],[],[],[]]

for j in range(5):
    matrix = generate_population()
    empty_matrix[j].append(matrix)