Python嵌套列表列求和：寻求更简洁/pythonic的实现方式

针对你的需求，有几种比嵌套循环更简洁高效的实现方式，以下是具体方案：

1. 纯Python最简方案：zip() + sum() #

这是最符合Python风格的写法，利用zip(*nested_list)将嵌套列表转置（把列变成行），再对每一行（原列）求和：

list_a = [[1, 2, 3],
          [4, 5, 6],
          [7, 8, 9]]

def sum_columns(nested_list):
    return [sum(col) for col in zip(*nested_list)]

print(sum_columns(list_a))  # 输出: [12, 15, 18]

或者更精简的一行写法：

sum_columns = lambda lst: [sum(col) for col in zip(*lst)]

2. 修复你的列表推导式尝试 #

你提到想用列表推导式但没成功，其实可以基于原逻辑改写，避免嵌套循环的冗余：

def sum_columns(nested_list):
    col_len = len(nested_list[0])
    return [sum(row[col] for row in nested_list) for col in range(col_len)]

这里把内层循环的求和逻辑用生成器表达式替代，代码更紧凑。另外注意：原代码里误用了全局变量list_a，应该用函数参数nested_list，保证函数的通用性。

3. 用NumPy实现（适合大规模数据） #

如果处理的是大数据集，NumPy的向量运算效率会远高于纯Python循环：

import numpy as np

list_a = [[1, 2, 3],
          [4, 5, 6],
          [7, 8, 9]]

arr = np.array(list_a)
col_sums = arr.sum(axis=0).tolist()  # axis=0表示按列求和

print(col_sums)  # 输出: [12, 15, 18]

NumPy会自动优化运算，尤其当嵌套列表规模很大时，性能优势明显。

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