在Python中用单行转置矩阵

矩阵的转置是一项我们都可以在Python中轻松执行的任务（使用嵌套循环）。但是有一些有趣的方法可以在一行中做同样的事情。
在Python中，我们可以将矩阵实现为嵌套列表（列表中的列表）。每个元素都被视为矩阵的一行。例如 m = [[1, 2], [4, 5], [3, 6]] 表示一个 3 行 2 列的矩阵。
列表的第一个元素 - m[0]和第一行第一列中的元素 - m[0][0] 。

使用嵌套列表理解：嵌套列表理解用于遍历矩阵中的每个元素。在给定的示例中，我们以列主要方式遍历矩阵 (m) 的每个元素，并将结果分配给 rez 矩阵，它是 m 的转置。
```
m = [[1,2],[3,4],[5,6]]
for row in m :
    print(row)
rez = [[m[j][i] for j in range(len(m))] for i in range(len(m[0]))]
print("\n")
for row in rez:
    print(row)
```
输出：
```
[1, 2]
[3, 4]
[5, 6]


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

使用 zip： Zip 返回元组的迭代器，其中第 i 个元组包含来自每个参数序列或可迭代对象的第 i 个元素。在此示例中，我们使用 * 解压缩数组，然后对其进行压缩以获取转置。
```
matrix=[(1,2,3),(4,5,6),(7,8,9),(10,11,12)]
for row in matrix:
    print(row)
print("\n")
t_matrix = zip(*matrix)
for row in t_matrix:
    print(row)
```
输出：
```
(1, 2, 3)
(4, 5, 6)
(7, 8, 9)
(10, 11, 12)

(1, 4, 7, 10)
(2, 5, 8, 11)
(3, 6, 9, 12)
```
注意：- 如果您希望结果格式为 [[1,4,7,10][2,5,8,11][3,6,9,12]] ，您可以使用 t_matrix=map(list,邮编（*矩阵））。

使用 numpy： NumPy 是一个通用的数组处理包，旨在有效地操作大型多维数组。 transpose 方法返回传递的多维矩阵的转置视图。

# You need to install numpy in order to import it
# Numpy transpose returns similar result when 
# applied on 1D matrix
import numpy 
matrix=[[1,2,3],[4,5,6]]
print(matrix)
print("\n")
print(numpy.transpose(matrix))

或者，只需在变量后使用“.T”

# You need to install numpy in order to import it
import numpy as np
matrix = np.array([[1,2,3],[4,5,6]])
print(matrix)
print("\n")
print(matrix.T)

输出：

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

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

注意：-“.T”仅适用于 numpy 数组