该教程讲解如何编写一个纯 python 函数，对输入列表的每个索引 i，生成新列表，其中第 i 个元素为原列表中除 arr[i] 外所有元素的乘积，其余位置保持原值。
在算法题和实际工程中，常遇到一类经典变换：给定一个整数列表 arr，要求构造一个新列表 result，使得 result[i] 等于 arr 中除 arr[i] 以外所有元素的乘积。注意：这不是返回单个结果，而是为每个位置生成一个“局部替换”后的完整列表——即共生成 n 个长度为 n 的列表（n = len(arr)），第 i 个列表是将原列表第 i 个位置替换为其余元素乘积所得。
例如，对 arr = [69, 78, 62, 73, 23]：
- 第 0 个输出：[8119644, 78, 62, 73, 23] → 78×62×73×23 = 8119644
- 第 1 个输出：[69, 7182762, 62, 73, 23] → 69×62×73×23 = 7182762
- …以此类推。
✅ 正确思路与常见误区
你原始代码的问题在于：
results = arr # ❌ 错误：这是浅拷贝，修改 results 就等于修改原 arr！
这导致每次循环都在污染同一个列表对象，后续迭代基于已被篡改的数据计算，结果完全错误。此外，使用 np.prod() 违反了“不依赖 NumPy”的要求。
立即学习“Python免费学习笔记（深入）”；
✅ 纯 Python 实现（无 NumPy，安全高效）
以下是推荐的清晰、健壮实现：
def multiList(arr):
"""
对输入列表 arr，返回一个包含 len(arr) 个列表的列表。
其中第 i 个子列表是：将 arr[i] 替换为 arr 中其余所有元素乘积的结果。
注意：不修改原列表，支持含零、负数、重复元素。
"""
if not arr:
return []
n = len(arr)
# 预先计算总乘积（需谨慎处理零）
total_prod = 1
zero_count = 0
for x in arr:
if x == 0:
zero_count += 1
else:
total_prod *= x
result = []
for i in range(n):
if zero_count > 1:
# 两个及以上零 → 无论替换哪个位置，其余元素乘积必为 0
new_list = arr.copy()
new_list[i] = 0
result.append(new_list)
elif zero_count == 1:
# 恰好一个零：仅当 i 指向该零时，其余乘积 = total_prod；否则为 0
if arr[i] == 0:
new_list = arr.copy()
new_list[i] = total_prod
result.append(new_list)
else:
new_list = arr.copy()
new_list[i] = 0
result.append(new_list)
else:
# 无零：直接 total_prod // arr[i]
new_list = arr.copy()
new_list[i] = total_prod // arr[i] # 整数安全（假设输入为整数）
result.append(new_list)
return result
# ✅ 测试示例
arr = [69, 78, 62, 73, 23]
output = multiList(arr)
for i, lst in enumerate(output):
print(f"Index {i}: {lst}")输出：
Index 0: [8119644, 78, 62, 73, 23] Index 1: [69, 7182762, 62, 73, 23] Index 2: [69, 78, 9036378, 73, 23] Index 3: [69, 78, 62, 7674732, 23] Index 4: [69, 78, 62, 73, 24358932]
⚠️ 关键注意事项
- 深拷贝 vs 浅拷贝：务必使用 arr.copy()（或 list(arr)）创建新列表，避免原地修改。
- 零值处理：若列表含零，直接用 total_prod / arr[i] 会触发除零错误或逻辑错误。上述实现已完备处理 0、1、≥2 个零的全部情况。
- 整数除法：若输入全为整数，// 更安全；若含浮点数，改用 / 并确保类型一致。
- 时间复杂度：O(n)，仅两次遍历，高效无嵌套循环。
- 空间复杂度：O(n²)，因需存储 n 个长度 n 的列表——这是题目语义决定的，无法避免。
✅ 总结
该函数的核心是：分离“总乘积计算”与“逐位替换”逻辑，并严格隔离每个输出列表的内存空间。避开浅拷贝陷阱、鲁棒处理边界值（尤其是零），即可得到准确、可复用的解决方案。无需外部库，纯 Python 即可优雅实现。
