如何正确实现二维方阵的原地转置并避免浅拷贝陷阱

在数据处理和算法题目中，二维方阵的原地转置是一个基础但容易出错的操作。所谓原地转置，就是在不开辟同等大小新矩阵的情况下，将方阵中第 i 行第 j 列的元素与第 j 行第 i 列的元素互换，从而让行变成列、列变成行。不少初学者在 Python 里用列表的切片或赋值来“转置”，结果因为浅拷贝导致原数据被意外修改。下面先看一个常见的错误示例。

什么是浅拷贝陷阱

在 Python 中，如果使用 b = a 或者 b = a[:]，只是让新变量指向了原有的列表对象或其外层副本，内部的每一行仍然是原来的引用。此时若对 b 做转置并修改元素，a 中的数据也会跟着变。

# 错误示范：浅拷贝导致原矩阵被篡改
a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
b = a[:]  # 仅复制外层，行仍是同一引用
for i in range(3):
    for j in range(i + 1, 3):
        b[i][j], b[j][i] = b[j][i], b[i][j]
print('a =', a)  # a 已被改变，并非原本的方阵

上面代码中，b 和 a 共享内部的三个子列表，交换 b 的元素等同于交换 a 的元素，这就落入了浅拷贝陷阱。

正确的原地转置写法

要避免该问题，应直接在原矩阵上交换对称元素，不依赖任何拷贝；或者先确保每一行都是完全独立的新列表，再做转置。

方法一：直接交换原矩阵元素

这是最标准的原地转置，只使用常量额外空间，且不会影响任何外部引用。

def transpose_in_place(matrix):
    n = len(matrix)
    for i in range(n):
        for j in range(i + 1, n):
            # 交换对称位置的元素
            matrix[i][j], matrix[j][i] = matrix[j][i], matrix[i][j]
    return matrix

a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
transpose_in_place(a)
print(a)  # 输出 [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

方法二：先深拷贝行再转置

如果确实需要通过一个副本操作，应使用 list(row) 或 copy 模块生成独立的行。

import copy

def safe_transpose(matrix):
    b = [list(row) for row in matrix]  # 每行都是新列表
    n = len(b)
    for i in range(n):
        for j in range(i + 1, n):
            b[i][j], b[j][i] = b[j][i], b[i][j]
    return b

a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
b = safe_transpose(a)
print('a =', a)  # a 保持不变
print('b =', b)  # b 为转置结果

如何判断是否踩了浅拷贝

可以用 id 函数检查内部行的内存地址。若原矩阵和副本的对应行 id 相同，就说明是浅拷贝。

a = [[1, 2], [3, 4]]
b = a[:]
print(id(a[0]) == id(b[0]))  # True 表示浅拷贝

小结

实现二维方阵原地转置时，优先采用直接交换对称元素的写法，完全规避浅拷贝。若必须另存结果，请确保每一行都是独立副本，而不是简单切片外层列表。理解引用与拷贝的区别，才能写出安全、可预期的矩阵代码。

matrix_transposein-place_algorithmshallow_copy修改时间：2026-07-28 12:33:21