Python中列表间行列互换方法及含numpy数组的多层列表转置问题求助

嘿，我来帮你搞定这个转置需求！你的问题本质上就是对一个嵌套列表做矩阵转置操作，只不过列表里的元素是numpy数组而已。先帮你分析下原来代码的问题，再给你几个简单有效的解决方案。

原代码的问题 #

你写的循环只遍历了range(len(array)-1)，也就是只处理了前2个子列表，而且每次append的是[array[i][j], array[i+1][j]]，这样得到的是两两配对的元素，没法凑出你想要的3个元素一组的子列表，自然得不到预期结果。

解决方案1：用Python内置的zip函数（最简单） #

zip(*array)可以直接帮你完成转置操作，它会把原列表中每个子列表的对应位置元素配对，再用列表推导式把每个配对的元组转成列表就行：

import numpy as np

# 你的输入列表
array = [[np.array([[1.,2.]]), np.array([[5.,6.]]), np.array([[7.,8.]])],
         [np.array([[10.,20.]]), np.array([[50.,60.]]), np.array([[70.,80.]])],
         [np.array([[100.,200.]]), np.array([[500.,600.]]), np.array([[700.,800.]])]]

# 转置操作
transposed = [list(row) for row in zip(*array)]

# 验证结果
print(transposed)

运行后得到的结果完全符合你的预期：每个新子列表都是原列表对应位置的元素集合。

解决方案2：用嵌套循环（更直观） #

如果你更喜欢用循环实现，调整循环的遍历顺序就行——先遍历原元素的列索引，再遍历行索引，收集对应位置的元素：

import numpy as np

array = [[np.array([[1.,2.]]), np.array([[5.,6.]]), np.array([[7.,8.]])],
         [np.array([[10.,20.]]), np.array([[50.,60.]]), np.array([[70.,80.]])],
         [np.array([[100.,200.]]), np.array([[500.,600.]]), np.array([[700.,800.]])]]

transposed = []
# 遍历原每个子列表的元素索引（列方向）
for j in range(len(array[0])):
    new_sub_list = []
    # 遍历原每个子列表（行方向）
    for i in range(len(array)):
        new_sub_list.append(array[i][j])
    transposed.append(new_sub_list)

print(transposed)

这个循环的逻辑是：先为每个新子列表开辟空间，然后把原列表第i行第j列的元素（array[i][j]）逐个加进去，最终组成转置后的结构。

可选：用numpy数组整体转置（如果元素形状统一） #

如果你的所有numpy数组形状都一致（比如都是(1,2)），也可以把整个结构转成一个大的numpy数组，转置后再拆分回原来的列表结构：

import numpy as np

array = [[np.array([[1.,2.]]), np.array([[5.,6.]]), np.array([[7.,8.]])],
         [np.array([[10.,20.]]), np.array([[50.,60.]]), np.array([[70.,80.]])],
         [np.array([[100.,200.]]), np.array([[500.,600.]]), np.array([[700.,800.]])]]

# 转成大numpy数组
big_array = np.hstack([np.vstack(sub) for sub in array])
# 转置
transposed_big = big_array.T
# 拆分回原结构
transposed_list = [[np.array([row]) for row in transposed_big[i]] for i in range(transposed_big.shape[0])]

print(transposed_list)

不过这个方法相对复杂，如果你只是需要保持原列表嵌套numpy数组的结构，前两种方法更直接高效。

内容的提问来源于stack exchange，提问作者Link_tester