Python 二维矩阵 行列转置的多种实现方法

最近在读写 MySQL 数据的过程中，碰到了需要处理 二维矩阵数据 行列转置 的问题，比如将：

[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
# 注意：矩阵中每个子序列的长度是相同的

转化成：

[[1, 5, 9],
 [2, 6, 10],
 [3, 7, 11],
 [4, 8, 12]]
# 行列转置之后的结果

在研究了一番之后，总结了以下这些方法，做个记录。

1. 最基础的 for 循环

def transpose_2d(data):
    transposed = []
    for i in range(len(data[0])):
        new_row = []
        for row in data:
            new_row.append(row[i])
        transposed.append(new_row)
    return transposed


data = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
print(transpose_2d(data))

# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
# [Finished in 0.1s]

2. 使用列表推导式 List Comprehension

这个其实是第一种方法的高级简化写法。

def transpose_2d(data):
    transposed = [[row[i] for row in data] for i in range(len(data[0]))]
    return transposed


data = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
print(transpose_2d(data))

# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
# [Finished in 0.1s]

3. 使用 zip(*iterable) 函数（推荐）

一种高效的写法，因为 list, map, zip 都是 Python 内建的函数 (Built-ins)，所以速度也是相当的快。

def transpose_2d(data):
    # transposed = list(zip(*data))
    # [(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]
    # 注意 zip 本身返回的数据类型为 tuple 元组
    # 其中符号 * 号可以对元素进行解压或展开

    transposed = list(map(list, zip(*data)))
    return transposed


data = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
print(transpose_2d(data))

# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
# [Finished in 0.1s]

4. 使用 numpy 的 T 转置

from numpy import transpose

data = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]

transposed = transpose(data).tolist()
print(transposed)

# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
# [Finished in 0.3s]
# 速度中规中矩，毕竟 numpy 用来处理数学更好

5. 使用 pandas 的 T 转置

from pandas import DataFrame

data = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]

transposed = DataFrame(data).T.values.tolist()
print(transposed)

# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
# [Finished in 0.7s]
# 可能因为 pandas 本身调用了其他的库，这里明显感觉偏慢，杀鸡用牛刀了

总结

综上，在一般情况下，我们直接使用 Python 内置的 zip(*) 函数就可以快速实现二维矩阵转置了，当然使用其他一些专用的库也是可以的，在性能和便捷程度上做好取舍就可以了，希望对需要的朋友有帮助，感谢支持~