Python 3中Matrix Multiplication(矩阵乘法)更精简实现方案咨询

你现有的实现逻辑正确，核心思路（转置右矩阵后按元素乘加）也非常合理，以下是更简洁优雅的优化版本：

def matrix_multiplication(a, b):
    b_transpose = list(zip(*b))
    return [[sum(x * y for x, y in zip(row_a, col_b)) for col_b in b_transpose] for row_a in a]

优化点说明 #

• 移除了所有冗余的索引遍历逻辑，直接迭代矩阵的行、转置后的列，代码可读性大幅提升，不需要额外理解ai/bTi这类索引变量的含义
• 将sum内部的列表推导替换为生成器表达式，不需要生成临时列表存储乘积结果，内存占用更低
• 保留了原实现的核心逻辑，运行效率和原版本一致，没有性能损耗

如果你的开发场景允许引入第三方依赖，处理大规模矩阵时直接用NumPy的实现效率最高，写法也最简单：

import numpy as np

def matrix_multiplication(a, b):
    return (np.array(a) @ np.array(b)).tolist()

NumPy的矩阵乘法底层为C实现，处理大矩阵时速度是纯Python实现的几十到上千倍。

内容的提问来源于stack exchange，提问作者crlav