搜狗新闻源网站怎么做网站seo服务

包括：

• 二维列表的定义与初始化
• 遍历、索引、切片
• 增删改查
• 推导式操作
• 注意事项
• 与 NumPy 的对比（性能 + 语法）

---

一、二维列表简介与定义

定义方式 1：直接嵌套列表

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

定义方式 2：列表推导式初始化

# 创建一个 3x4 的全零矩阵
rows, cols = 3, 4
matrix = [[0 for _ in range(cols)] for _ in range(rows)]

---

二、二维列表的访问与遍历

1. 单个元素访问

matrix[0][1]  # 访问第 0 行第 1 列元素（值为 2）

2. 遍历方式

行优先遍历：

for row in matrix:for item in row:print(item, end=' ')

按索引遍历：

for i in range(len(matrix)):for j in range(len(matrix[0])):print(f"matrix[{i}][{j}] = {matrix[i][j]}")

---

三、修改、添加、删除操作

1. 修改元素

matrix[1][2] = 99

2. 增加一行或一列

# 添加一行
matrix.append([10, 11, 12])# 添加一列（给每行增加一个元素）
for row in matrix:row.append(0)

3. 删除行或列

# 删除第 2 行
del matrix[2]# 删除第 1 列（遍历每一行）
for row in matrix:del row[1]

---

四、二维列表推导式

示例：创建 5x5 的乘法表

table = [[i * j for j in range(1, 6)] for i in range(1, 6)]

---

五、常见二维操作函数

1. 转置矩阵

transposed = [list(col) for col in zip(*matrix)]

2. 按列遍历

for col in zip(*matrix):print(col)

---

六、注意事项与误区

误区：初始化二维列表时不要使用 *

wrong = [[0]*4]*3
wrong[0][0] = 1
print(wrong)
# [[1, 0, 0, 0], [1, 0, 0, 0], [1, 0, 0, 0]] ❌ 所有行是同一引用# 正确做法：
correct = [[0 for _ in range(4)] for _ in range(3)]

---

七、二维列表与 NumPy 的对比

操作	Python 列表	NumPy 数组
定义	[[1,2],[3,4]]	np.array([[1,2],[3,4]])
取值	a[i][j]	a[i, j] ✅更快
转置	zip(*a)	a.T
切片	复杂	简洁如 a[:, 1]
运算	不支持矩阵运算	支持如 a + b, a @ b
性能	较慢	快得多（C实现）

NumPy 示例：

import numpy as npa = np.array([[1, 2], [3, 4]])
b = a.T           # 转置
c = a + b         # 矩阵加法
d = a @ b         # 矩阵乘法
print(c)

---

八、应用场景小例子

1. 图像处理：灰度图矩阵表示

image = [[128, 130, 135], [140, 142, 145], [150, 155, 160]]
# 调整亮度 +10
brightened = [[pixel + 10 for pixel in row] for row in image]

2. BFS/DFS 中的地图矩阵

# 地图 0 表示可走，1 表示障碍
grid = [[0, 1, 0],[0, 0, 0],[1, 0, 1]
]

---

九、小结表

操作	示例
定义二维列表	[[0]*cols for _ in range(rows)]
添加行	matrix.append([...])
添加列	for row in matrix: row.append(x)
删除行	del matrix[i]
删除列	for row in matrix: del row[j]
推导式构建	[[i*j for j in ...] for i in ...]
转置	[list(col) for col in zip(*m)]