二维数组矩阵转置的核心是行列位置互换，方阵可用原地交换上三角元素实现，非方阵需新建n×m数组赋值；python中可用zip、列表推导式或numpy的.t方法；需注意空矩阵、不规则形状及内存访问性能问题。
二维数组的矩阵行列变换，核心是交换行与列的位置，也就是实现矩阵的转置。对一个 m × n 的矩阵，转置后变成 n × m 的新矩阵，其中原矩阵第 i 行第 j 列的元素，变为新矩阵第 j 行第 i 列的元素。
原地转置（适用于方阵）
当二维数组是方阵（行数等于列数）时，可以在不额外分配空间的前提下完成转置，只需遍历上三角（或下三角）区域，逐个交换对称位置的元素。
- 遍历范围：行索引 i 从 0 到 n−2，列索引 j 从 i+1 到 n−1
- 每次交换 matrix[i][j] 和 matrix[j][i]
- 注意：不能遍历整个矩阵，否则会交换两次，回到原状
新建数组转置（通用方法）
对任意形状的二维数组（包括非方阵），最稳妥的方式是创建一个新的 n × m 数组，按转置逻辑赋值。
- 设原数组为 matrix[m][n]，新数组为 transposed[n][m]
- 循环：外层遍历列（j = 0 到 n−1），内层遍历行（i = 0 到 m−1）
- 赋值： transposed[j][i] = matrix[i][j]
- 该方式逻辑清晰、不易出错，适合大多数编程语言（如 Python、Java、C++）
Python 中的简洁实现
Python 提供多种便捷写法，尤其适合快速验证或小规模数据。
- 使用 zip： list(zip(*matrix)) —— 解包后按列聚合，返回元组，需转为列表和整型
- 列表推导式： [[matrix[i][j] for i in range(len(matrix))] for j in range(len(matrix[0]))]
- NumPy 用户可直接调用 matrix.T 或 np.transpose(matrix)
注意事项与常见陷阱
实际编码中容易忽略边界和类型细节，导致结果异常或运行错误。
- 空矩阵或单行/单列矩阵需单独判断，避免索引越界
- 若原数组是“不规则”二维列表（每行长度不同），转置前应先校验合法性
- 修改原数组时注意是否需要深拷贝，避免副作用影响其他逻辑
- C/C++ 等语言中，内存布局是行优先，转置后访问局部性下降，可能影响性能
